Phase 19：多模态与文档 Agent

图片、PDF、音频统一成可引用证据

关键要点

• 不同模态先转换成统一 Evidence，再进入检索和生成流程
• Evidence 至少包含文本、来源、模态和置信度
• 多模态回答必须尽量给出引用，降低不可验证的幻觉

学习目标

• 理解多模态输入为什么需要统一证据层
• 能把图片、PDF、音频结果转换成 Evidence
• 知道引用来源和置信度对多模态回答的重要性

标签：Multimodal · Document AI · OCR · Citation

预计学习时间：40 分钟 | 难度：中级