可移植文档格式，常用于文档交换和存储，在RAG应用中是常见的文档摄取来源
核心事实
时间轴 (近 90 天)
TikZ 图形在编译时由 LaTeX 引擎直接解析为 PDF 绘图指令，能跟随文档缩放并保持清晰。
PDF底层结构是一组绘制指令，文本块位置由坐标变换矩阵决定，不包含段落、标题、表格等语义信息。
PDF的预览和编辑在网页端和移动端都能使用。
PDF 规范（ISO 32000）自 1993 年诞生以来经历了多次修订，累积了大量厂商扩展与历史遗留特性，例如增量更新、对象流、交叉引用流、多种字体嵌入格式、加密与权限字典、以及可选的 JavaScript 动作。
自研 PDF 引擎需要处理 PDF 规范中的历史遗留问题，如字体嵌入和加密字典，每个都可能成为长尾 bug 的来源。
Rust 的内存安全与性能特性适合 PDF 二进制格式解析，因为历史上大量 PDF 漏洞源于解析器处理畸形文件时的内存越界。
PDF通常使用“标签树”（tag tree）来描述内容的逻辑结构，标题层级、列表、表格、图片替代文本都依赖标签来传达给屏幕阅读器。
.docx 本质是包含 XML 的压缩包，记录了文字、样式和版式描述；PDF 则是固定版面的页面描述格式。
docx 转 PDF 的质量高度依赖转换引擎对 Word 排版特性的兼容程度，复杂表格、批注、特殊字体会出现偏差。
在测试中，AI Agent 完成绘图后，将成果导出为 SVG 和 PDF 格式。
还有 40 条时间轴事件
全部知识事实 (20)
PDF等文档格式中的文字流并不总是按视觉顺序存储，多栏排版、图文混排、脚注与页眉穿插会导致底层文字流与视觉顺序错位
75%已验证PDF格式是一种页面描述语言，由Adobe于1993年发布，设计目标是精确再现文档视觉外观而非保留语义结构
75%已验证SVG格式本质上是一种XML文本文件，记录路径指令而非像素数据
70%已验证PDF 涂黑若仅用黑色色块覆盖文字并不会真正删除底层内容，可被复制或移除图层还原
65%已验证PDF本质上是一种打印导向的格式，关注像素在纸面上的呈现位置而非文本的逻辑结构
65%已验证PDF 文件的底层格式不存储逻辑阅读顺序，只记录每个字符在页面上的绝对坐标位置
65%待验证PDF内部结构是基于PostScript的页面描述语言，包含字体嵌入、图层、加密等复杂元数据，需要通过PyMuPDF、pdfplumber等专用解析库才能提取可读文本
95%待验证TikZ 图形在编译时由 LaTeX 引擎直接解析为 PDF 绘图指令，能跟随文档缩放并保持清晰。
50%待验证PDF底层结构是一组绘制指令，文本块位置由坐标变换矩阵决定，不包含段落、标题、表格等语义信息。
50%待验证PDF的预览和编辑在网页端和移动端都能使用。
50%待验证PDF 规范（ISO 32000）自 1993 年诞生以来经历了多次修订，累积了大量厂商扩展与历史遗留特性，例如增量更新、对象流、交叉引用流、多种字体嵌入格式、加密与权限字典、以及可选的 JavaScript 动作。
50%待验证自研 PDF 引擎需要处理 PDF 规范中的历史遗留问题，如字体嵌入和加密字典，每个都可能成为长尾 bug 的来源。
50%待验证Rust 的内存安全与性能特性适合 PDF 二进制格式解析，因为历史上大量 PDF 漏洞源于解析器处理畸形文件时的内存越界。
50%待验证PDF通常使用“标签树”（tag tree）来描述内容的逻辑结构，标题层级、列表、表格、图片替代文本都依赖标签来传达给屏幕阅读器。
50%待验证docx 转 PDF 的质量高度依赖转换引擎对 Word 排版特性的兼容程度，复杂表格、批注、特殊字体会出现偏差。
50%待验证.docx 本质是包含 XML 的压缩包，记录了文字、样式和版式描述；PDF 则是固定版面的页面描述格式。
50%待验证在测试中，AI Agent 完成绘图后，将成果导出为 SVG 和 PDF 格式。
50%待验证PDF文档可以被建模为强化学习环境：状态是已读页面与查询的组合，动作是翻页或检索，转移由文档结构决定，奖励来自答案正确性。
50%待验证PDF不是带坐标的文本，而是一种关于思想如何关联的视觉论证；将其压平成Markdown是在重建作者意图。
50%待验证双栏PDF中多数提取器按行从上到下工作，导致左栏第一行后紧跟右栏第一行，分块混入两段无关内容。
50%