火山引擎知识库支持PDF、Word（.docx）、Markdown（.md）三类文件图文联合解析，需手动开启“启用图像识别”开关，否则图片仅占位或丢失；Excel等格式不支持图文解析。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
火山引擎知识库导入文档时能保留图片，但必须满足特定格式与解析路径条件，否则图片仅作占位或完全丢失。
支持保留图片的原始文件类型
仅以下三类文件在上传至火山引擎企业知识引擎时，可触发图文联合解析流程，使图片内容被提取、OCR识别并关联到对应段落：
① PDF（含扫描版+文字版，需开启“启用图像识别”开关）；
② Word（.docx 格式，不支持 .doc）；
③ Markdown（.md，图片需为内联 base64 编码或同目录下相对路径引用的本地文件，远程 URL 图片不参与解析）。
Excel、PPT、TXT、纯HTML等格式不进入图文解析链路，其中嵌入的图片会被直接剥离，仅保留文字层。
关键配置项：必须手动开启图文解析
上传文件后，进入知识库管理后台 → 选择目标知识集 → 点击「编辑配置」→ 找到「内容解析策略」模块 → 将「启用图像识别」切换为【开启】状态。
【未开启该开关时，所有PDF/Word中的图片均不会被提取，也不参与向量化和召回】。此开关默认关闭，且无二次确认弹窗，极易遗漏。
图片内容如何被实际使用
方法一：图文混合检索
用户提问如“图3展示了哪类风险控制流程”，系统会先定位到原文档中标题含“图3”的段落，再结合OCR提取的图中文字（如流程框图内的“审批阈值”“人工复核”等关键词）进行语义匹配，返回带截图锚点的原文片段。
方法二：图片独立召回
当用户上传新图并发起以图搜图时，系统会将该图与知识库中所有已解析图片的视觉特征向量比对，返回相似度最高的3张文档内嵌图及其上下文段落——该能力依赖于解析阶段生成的图像Embedding，【仅开启“启用图像识别”后才会生成】。
方法三：多模态问答增强
若知识库接入的是支持多模态的模型（如 Seedream-5.0-pro），且提问明确指向图中细节（例：“柱状图里2025年Q3数据是多少？”），模型可直接读取已解析的图表结构化文本描述，而非原始像素图。
常见失败场景与修复动作
场景1：PDF是扫描件但未勾选“启用OCR”子选项
→ 进入同一「内容解析策略」页面，在「图像识别」展开区勾选【对扫描PDF执行OCR】。
场景2：Word中图片为“浮于文字上方”布局
→ 此类图片被Word解析器判定为非正文内容，自动跳过。需提前将图片设置为“嵌入型”或“衬于文字下方”。
场景3：Markdown中图片链接为 https://xxx.com/a.png
→ 远程图无法下载解析，报错“资源不可访问”。应下载图片至本地，改用  格式，并确保与 .md 文件同压缩包上传。
