The Missing Infrastructure for AI Agents: Documents | Reducto’s Adit Abraham｜深度中文详解
- 日期：2026-10-21
- 时长：2297 秒（38 分 17 秒）
- 嘉宾：Reducto 联合创始人 Adit Abraham
- 音频：收听本集
- YouTube：观看视频
- Episode：节目页面
- 英文转写来源：youtube-captions
Reducto 从文档解析切入，试图解决一个容易被“把文件上传给聊天机器人”掩盖的问题：模型收到的究竟是不是文档所表达的完整信息？扫描件、跨页表格、合并单元格、图表、手写批注，以及同一合同的多个版本，都可能让后续检索和判断偏离原文。
Adit Abraham 与联合创始人最初研究的是模型记忆。进入 YC 后，他们转向文档基础设施：相比延长模型上下文窗口，让 AI 忠实接触医疗记录、合同和财务材料，是一个更具体、也更迫切的瓶颈。本集围绕这次转向，讨论 OCR、视觉语言模型、专用模型、智能体式校验，以及从“读取”走向“编辑”的产品边界。
本集最有价值的转折，是把文档处理从一个识字问题，重新定义为 AI 智能体的工作接口。传统 OCR 能找出字符，固定模板也适用于版式稳定的表单；但真实业务要求保留阅读顺序、表格结构、证据位置和版本关系。Adit 认为，视觉语言模型让系统有机会理解页面，却不能凭一次模型调用消除遗漏。因此 Reducto 一方面训练面向文档的 r-1，另一方面把解析、提取、自查、引用和工作流编排连接起来，让错误在进入最终决策前有机会被发现。
这也解释了节目中看似矛盾的两条线索：Reducto 希望把页面处理压到标价每页一美分、支撑海量吞吐；同时又强调医疗等场景不能因低成本而牺牲可追溯性。嘉宾给出的定位不是与大模型实验室比通用推理，而是处理实验室未必优先投入的繁琐边界情况。不过，这仍是一家供应商对自身能力与市场空间的陈述。其“高 90%”准确率、规模数字和优于其他模型的判断，都要放回具体数据分布、评测口径及完整工作流中验证。对采用者而言，关键问题不是模型能否演示读懂一份 PDF，而是它遗漏了什么、出错时谁能发现，以及错误最终会影响谁。
- 开场：文档为何是智能体缺失的基础设施 — 00:00 🎧 · ▶️
- 在 YC 从模型记忆转向文档 — 00:54 🎧 · ▶️
- 从 OCR 模板到视觉语言模型 — 02:53 🎧 · ▶️
- 自建文档模型 r-1 — 06:01 🎧 · ▶️
- 准确率的连锁损失与 Deep Extract — 08:54 🎧 · ▶️
- 每页一美分与累计处理 70 亿页 — 11:19 🎧 · ▶️
- 知识工作为何落后于编程自动化 — 15:14 🎧 · ▶️
- 大模型实验室为何不优先解决它 — 18:59 🎧 · ▶️
- 当基准测试成为营销 — 23:06 🎧 · ▶️
- Reducto 将成为什么 — 29:58 🎧 · ▶️
- 一次 OCR 错误如何影响理赔 — 31:57 🎧 · ▶️
💬 他们说了什么：开场剪辑把三个问题放在一起：用户上传文件时期待“直接可用”；文档记录了人类工作；而专门处理 PDF 中细碎差异的基础设施，未必是通用模型实验室的首要任务。
💡 为什么重要：这为全集划定了讨论对象。智能体能否工作，不只取决于回答时的推理能力，还取决于它读到的输入是否保留了原文件的含义。
⚡ 争议点：“文档是缺失的基础设施”是产品定位，不意味着所有文档任务都需要专用平台。简单、版式稳定的文件，可能用更轻量的流程就足够。
💬 Adit 说，团队在 2023 年起步时关注模型记忆，因为彼时上下文窗口很有限；获得 YC 录取当天便提出转向。他坦言，“文档是人类工作的抽象与产物”这一表述更多是事后总结。实际促成转向的，还有团队的计算机视觉背景，以及早期 AI 公司反复遇到文档处理基础设施难题。
💡 医疗病历、法律文件、财务报表和保险材料既是知识载体，也是工作过程留下的记录。若智能体要接手相关任务，就必须尽可能忠实地读取这些记录；一个复选框的误读，在医疗场景不是无关紧要的小错。
⚡ 文档的重要性不能直接证明某一家厂商拥有长期优势。市场时机、客户接触面和视觉研究经验解释了 Reducto 为什么进入这个领域，却仍需由持续的产品表现验证其壁垒。
💬 传统 OCR 加模板，适合 W-2 等版式相对一致的材料：先知道字段大致位于哪里，再识别和后处理文字。Adit 指出，任意文档还要求系统识别双栏阅读顺序、表格行列与合并单元格。Reducto 起初用传统计算机视觉保留结构和坐标，再以视觉语言模型纠错；后来逐步推进统一模型。
💡 抽出正确的字，不等于抽出正确的信息。一旦表格的行列关系被打乱，下游模型可能把真实数字配给错误的项目。定位框、确定性和答案出处，因此与识别率同样重要。
⚡ 视觉语言模型能理解页面，也可能引入新的不稳定性；传统方法在固定格式、低成本任务中仍有优势。选择方案应看文件分布和所需证据粒度，而不是简单按技术代际排序。
💬 主持人询问 r-1 如何改善准确率、速度与成本。Adit 把它归因于长期积累：从生产错误中建立反馈循环，针对困难数据建立评测，并投入模型架构、数据管线及训练后优化。他举出连续约 100 个句点导致模型重复输出、跨 两页的扫描表格列位错开，以及需要局部放大理解的密集蓝图。
💡 所谓“文档模型”不只是选一个视觉编码器。真实难例决定训练数据和处理策略：系统既要识别局部细节，又要恢复跨页结构，还得知道何时使用专门流程。
⚡ 节目没有公布 r-1 在同一数据集、同一成本与延迟约束下的完整对照结果。自建模型的好处，应与维护成本、失败案例和可替代方案一起评估。
💬 Adit 称，多数解析用例目前可达到“90% 后段”的准确率，但医生手写等边界情况仍棘手。他用贷款材料说明：若一次任务涉及约 12 份文件，还要经历拆分、字段提取和表单填写，单页 90% 的表现不足以保证整条流程可靠。Deep Extract 因此不只提取字段，也让智能体复核、修正输出；他还说，某些人工标注的“标准答案”本身会漏行或漏项。
💡 用户购买的是最终结果，不是孤立的一次解析。上游遗漏会传递给检索、汇总与决策；复核机制和标注质量，决定了“更高准确率”能否兑现为可靠自动化。
⚡ “优于人类”与“趋近完美”均须限定任务、样本和判分方式。智能体自查也可能重复自身的错误，不能仅因多走了一轮流程就视为独立验证。
💬 Adit 称，Reducto 的标价为每页一美分；录制当天累计处理量刚越过 70 亿页，当前每月处理数十亿页。他还预测到节目于十月底推出时会超过 80 亿页。需求从早期问答与信息综合，延伸到金融机构等需要大规模汇集资料的流程；团队也在处理多端点组合、合同版本冲突及词级证据引用。
💡 当读取成本下降，智能体不必只依靠预先筛选的少量文件，可以在发现信息缺口时继续检索。但规模化也把新问题推到前台：哪份合同是最新版？两份材料相互矛盾时，结论依据是什么？
⚡ 一美分是嘉宾所说的标价，不是所有文件和完整工作流的最终成本；处理页数是公司自述的规模指标，也不能替代客户任务的成功率。上述数量及预测均值得独立核实。
💬 Adit 对比代码生成产品与专业服务自动化，认为后者面临的不只是“模型够不够聪明”。代码出错尚可回滚变更；医疗判断的后果却难以同样撤销。为此，系统要提供引用、事实依据和使人能够审查决定的护栏。他还谈到下一步让智能体编辑 Office 文档，并以文档翻译后的版面修改为例，说明“翻译文字”与“完成本地化”并非一回事。
💡 知识工作通常要求读、判断、写回原格式，且伴随责任归属。只把内容提取出来，尚未完成工作；让人看得懂依据、接得住交接，才更接近可部署的流程。
⚡ 编程与医疗的风险差异是真实的，但不能由此推出所有专业任务都不适合自动化。低风险录入、辅助检索与高风险裁决，应采用不同的审批和回退设计。
💬 Adit 说，Reducto 不打算与大模型实验室竞争通用推理；其工作更像围绕模型的基础设施。PDF 内嵌其他文件、Word 忠实渲染等边角问题既深又杂，专注文档的团队可以为准确率、成本和延迟分别优化。他随后引用一项长文档提取测试：通用前沿模型在精确率上可胜过不少专门解析器，却可能在召回率上悄悄漏信息。Deep Extract 则借助验证规则，例如核对发票明细是否加总为总额，触发回查。
💡 一次调用可能给出看似正确的答案，却没有告诉用户哪些字段根本未被找出。对长文档和批量材料而言，“遗漏但不报警”尤其危险；拆解任务和建立校验规则比单纯延长提示词更可控。
⚡ 实验室是否会投入这些工具，会随其产品战略变化；专用系统的价格与质量优势也需要在同等条件下测试。节目提及的长文档评测未在对话中展开完整方法，不能据此概括所有前沿模型。
💬 Adit 主张先看测试文件是否代表自己的业务，再看评分是否允许同一信息的不同忠实表达。他批评行业基准逐渐营销化，并称曾见到某发布方的模型在文件仅倾斜 1 度或加入轻微模糊后明显退化。他建议用精心设计评分规则的语言模型辅助判分，同时检查“黄金数据集”是否有人类或模型漏标。谈到文件形态时，他称 Reducto 支持超过 40 种文件类型，并指出大型 Excel 和图表需要适合模型读取的表示方式。
💡 一个总分可能遮住实际采购中最关键的失败模式：漏字段、错列、错版本，或轻微扫描噪声导致性能骤降。评测应包含自家文件、扰动样本和可人工复查的错误明细。
⚡ 嘉宾没有点名该基准，也未提供实验细节；“模型判分”本身仍可能受评分规则和判分模型偏差影响。Reducto 对图表能力的领先判断，同样需要公开、可复现的比较支持。
💬 Adit 希望 Reducto 成为 AI 原生公司与大型企业都能使用的一套可靠工具，让它们把自身业务知识接入模型。愿景包括顶尖解析能力，也包括企业突然需要并行处理 1000 万份文档时的基础设施。他不愿把公司未来仅归入传统“智能文档处理”（IDP）市场，而是指向更广的智能体辅助人类工作。
💡 公司的产品边界正从“把文件变成文本”，延伸到提取、校验、编辑和规模化运行。若这些环节确实可组合，客户就不必为每一种文件边界情况重新搭建底层流程。
⚡ 边界越宽，越难同时保持各项能力领先。此处是发展方向，而不是已完成的端到端能力清单；企业仍需分别测试解析质量、吞吐、监控及与现有系统的集成。
💬 Adit 讲述医疗客户处理厚重纸质病历的情形：若初始识别让医生检索不到病史，后续用药或理赔判断便可能受到影响。他称，在这类困难材料上，一些现有 OCR 的表现可能低于 50%；单个患者档案甚至可能有数万页。他还提到 Medicare 事前授权申诉约八成获推翻、美国约16%的报税者仍提交纸质材料，以说明纸质流程及其后果。
💡 这里把“识别错误”还原成具体的人身和行政后果。医生不可能逐页重读巨量档案，因此检索结果必须能回到原页供核对；若进一步让智能体参与裁决，输入可靠性和人工复核门槛只会更重要。
⚡ 英文转写在“把 chest pain 误读成什么”处重复了同一词，无法据此还原具体误识别内容，应只保留其所要说明的漏检风险。低于 50%、申诉推翻率及纸质报税比例也缺少对口径和年份的展开，不能直接作为普遍统计使用。
- Adit Abraham：Reducto 联合创始人；本集主要受访者，讨论公司的技术路线、产品定位及医疗等应用风险。
- Reducto：以文档解析为起点，向结构化提取、验证、编辑及智能体工作流工具延伸的公司。节目中提到其模型 r-1 与提取工具 Deep Extract。
- Y Combinator（YC）：创业加速器。Adit 说团队在获得录取当天提出从模型记忆转向文档。
- Harvey：节目提及的法律 AI 公司，用来说明下游应用需要可靠的文档工具；提及不等于对具体合作范围作独立确认。
- 大模型实验室：节目中的对比对象；Adit 的判断是它们更侧重通用模型能力，而 Reducto 聚焦文档领域的具体难题。
“文档几乎是人类工作的抽象与产物。”——Adit Abraham，意译
“你不能只看单页有九成准确率，因为错误会叠加。”——Adit Abraham，意译
“基准测试随着时间推移变成了营销。”——Adit Abraham，意译
“如果写出的代码满是错误，你可以回滚一次提交；医疗决策却不是这样。”——Adit Abraham，意译
“读懂”有多个层级。 字符识别回答“页上写了什么”；版面解析回答“这些内容如何关联”；证据定位回答“结论从哪里来”；工作流校验则回答“有没有遗漏或自相矛盾”。采购文档 AI 时，最好分别定义这几层的验收标准。
准确率需要配合错误分布。 同样的总体分数，若错误集中在金额、否定词、复选框或患者既往病史上，业务风险会截然不同。对高后果任务，更实用的设计是标记低置信区域、展示原页证据，并规定哪些情况必须交回人工。
文档编辑是另一道门槛。 从文件提取信息，与把修改安全地写回 Word、表格或多语言版面，是不同问题。后者还需考虑格式保持、版本比较、权限和变更审计；节目提出了这一方向，但并未证明这些环节已经全部解决。
- 规模与价格：累计 70 亿页、月处理数十亿页和每页一美分均为节目中的公司陈述；应分别核查统计口径、计费范围及额外工作流成本。
- 模型表现：“高 90%”解析准确率、Deep Extract 的表现，以及图表能力领先的说法，均需明确数据集、字段定义、召回率、延迟和人工复核条件。
- 基准批评：关于某匿名发布方在轻微倾斜或模糊后明显退化的案例，节目未给出可复现实验材料，不宜反推出具体厂商。
- 医疗统计：所谓 Medicare 事前授权申诉“八成获推翻”，需要核实所指年份、计划类型及分母；申诉成功比例不能直接推论全部初始决定的错误率。
- 转写歧义：理赔故事里关键症状误识别的两端在英文字幕中同为“chest pain”。没有音频复核前，不应补写一个看似确定的错误词。
- 拿自家文件做小规模盲测：纳入扫描歪斜、跨页表格、图表、手写内容和历史版本，而非只测整洁样本。
- 同时记录精确率、召回率与后果：尤其标注漏掉的关键字段，以及错误进入最终决策的路径。
- 验收证据链：要求输出能定位到文件、页和具体区域；对冲突版本规定人工确认规则。
- 分级部署：先自动化低风险录入与整理；涉及医疗、保险或法律裁决时设置明确的人工复核与回退机制。
- 核算整条流程成本：把解析之外的复核、重试、编辑、监控及人工处理一并计入，而非只比较单页报价。
