agent 读文档丢的不是字，是版面

agent 丢的不是文档里的字，是字的排布。 LlamaIndex 在同一晚办了两场线下活动，纽约场挤到开候补，旧金山场接近 600 人。话题只有一个：agent 读文档的方式和人不一样。 例子很传神。一张发票摆在你面前，月费率多少，你扫一眼总额就猜到了。agent 却往往只拿到词，版面信息全丢了，于是只能靠猜。我读到这里立刻想到自己处理报销的场景，那些表格里数字的位置本身就是含义，位置一乱，理解就散。 也难怪一个文档处理的话题能坐满两个房间。agent 要真进生产，合同、发票、报表这些带版面的东西绕不过去。词读对了不够，结构也得跟上，这才是"能看懂"的完整含义。 两场活动的搭档也值得记一笔。纽约场和 @usekernel 搭 @braintrust 的 Agent Builders Night，旧金山场和 @WorkOS 搭 @daytonaio 的 AI Builders，团队里的 Abrar 和 Yong 上台讲。 我保留的看法是，满座不等于问题解决了。线下聊得热闹，真正难的是把版面理解做成稳定能力，让 agent 在各种花式排版上都别猜错。这一点没人在台上能打包票。 接下来我会留意 LlamaIndex 相关的文档处理工具更新。等它放出能处理发票和合同版面的方案，我打算拿手头一堆报销单先过一遍，看它到底能不能把位置读懂。