Word 制度进知识库，标题层级与附件引用怎样保留

Word 制度进知识库，应保留标题路径、条款边界和附件关系，让每个片段知道自己属于哪一章、适用什么范围、引用哪个附件。仅提取正文再按长度切开，可能把例外条件与主规则分离。这篇关注文档结构，不讨论扫描识别或表格行列清洗。

先确认标题是真的结构还是外观

有些Word用标题样式组织层级，有些只用加粗和字号模拟。处理前检查目录、标题样式和编号是否一致。不能简单把所有加粗文字当一级标题，也不能把页眉、封面或签发信息当业务条款。没有稳定结构时，先由资料负责人确认章节关系。

合成制度“演示设备借用办法”有适用范围、申请流程和特殊情况三章，特殊情况引用附件一的紧急申请表。若解析只保留“可先使用后补手续”，却丢掉“仅限已获负责人确认的紧急事项”，知识库就会扩大例外规则。

下载带附件的合成制度与层级结果。附件以Markdown展示原制度内容、预期标题路径和三条测试问题，未制作实际Word文件，也不声称已跑任何解析器。可以先据此确认输出结构，再在目标Word文件上验证。

微软 WordprocessingML 结构说明介绍文档由段落、文本运行等结构组成。提取时不能把一个格式运行当成完整段落，也不能仅因文字在多个运行中就加入错误空格。标题、列表和引用还需结合实际文档结构识别。

输出可以记录文档编号、版本、标题路径、条款编号、正文、适用条件、附件标识与原文位置。路径例如“借用办法／特殊情况／紧急借用”，比只有“第三章”更能独立解释上下文。原文位置可使用条款或段落定位，避免依赖在不同软件中可能变化的页码作为唯一标识。

自动编号也要核对。正文显示的“一、二、三”可能来自样式或列表机制，不一定直接存在于纯文本值中。处理后检查条款顺序、层级和交叉引用，防止把小项升成主章，或让“见第二条”失去指向。

同一条款中的适用对象、条件、动作和例外尽量一起保存。若段落太长需要拆分，给子片段附上必要标题与条件，或用经验证的关联机制带回上级内容。不要把“不得外借”的主规则和“经批准可例外”的条件随机分到不相干片段。

脚注、尾注、文本框和批注需要分别决定是否进入知识库。批准正文里的脚注可能包含关键解释，未接受的批注则可能只是讨论意见；不能全部混入正式依据。带修订的文件应先由资料所有者给出可用版本，开发团队不代替业务接受修改。

记录附件名称、编号、版本、所在文件或位置、主文引用条款与访问范围。正文提到“填写附件一”时，系统应能够显示对应附件信息，并说明用途；若附件缺失，标为资料不完整，不能临时生成一张表冒充批准表单。

附件也可能单独更新。主制度仍是同一版本，申请表字段却变化，需要资料负责人确认替换关系。核对主文所指是否仍是当前附件，避免答案给出旧入口。若附件访问范围比正文窄，应保持原限制，不因关联而自动公开。

合成测试包括“谁适用”“普通借用怎么申请”“紧急情况能否先用”。前两题引用各自章节；第三题必须同时给出负责人确认条件与附件一要求。检索到一句例外但回答扩大到所有员工，应标失败，不能只因为有来源就通过。

再问附件不存在的信息，例如表单自动审批时限。合成资料没有规定，系统应说明没有依据。结构整理的目的不是把文档变得更像标准答案，而是让答案回到批准内容，不在缺资料时自由补全。

标题路径缺失、条款顺序错乱或附件无法定位时，先暂停相关入库，修复解析映射再重做样例。对排版复杂的旧制度，可以先整理明确结构的受控文本，同时保留原文件供核对；不能为了导入方便改写业务含义。

处理完成保存结构清单、资料批准记录与测试结果。下次制度更新时比较标题、条款和附件的变化，而不只看文件名称是否相同。这样业务方可以快速核对改动影响哪些问答。

基础处理可看文档预处理旧文，资料任务见文档与数据处理专题。可通过联系入口提供脱敏制度与附件关系，讨论层级解析与定制知识库范围。