如何把不友好的文档内容转为对模型友好的格式
哪些公司问过
蚂蚁数字科技1
答案要点
- 识别噪声:HTML 标签、乱码、页眉页脚、断行和格式混乱
- 清洗:去标签和噪声、统一编码标点、修复断行
- 结构化:转 Markdown 或 JSON,表格转成键值描述
- 片段补充文档名和章节标题等上下文
- 改写指代不清的语句并保留原文,提示词说明数据格式
易错点
- 直接把原始 HTML 或 PDF 抽取文本喂给模型
- 切分后丢失章节标题等上下文
- 用模型改写后不保留原文,无法核对
面试官常见追问
- 表格内容怎么处理对模型更友好?
- 清洗会不会丢信息?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。