LongCat AI 不识别小标题，因其底层 DiNA 架构将输入统一为无排版语义的 Token 序列，不保留字体、缩进等结构特征；需通过 OCR 预处理、人工标记或协同文档模型显式注入标题信号。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LongCat AI 本身不以“文档结构解析”为核心设计目标，它聚焦于多模态原生建模（图像、语音、文本统一为离散 Token），并非专用于文档理解或 PDF/Word 内容结构化分析的工具。因此，它**不会主动识别、保留或响应原始文档中的小标题层级**——这不是缺陷，而是定位差异。
为什么 LongCat AI 不处理小标题？
它的底层架构 DiNA（Discrete Native Autoregressive）将输入统一编码为序列化 Token，不保留原始排版语义（如字体大小、缩进、加粗、段前空行等）。PDF 或 Word 中的“小标题”，若未被 OCR 显式识别为独立段落或未在文本流中用特殊标记（如“## 标题”）标注，就会和正文混同为普通文本流，失去结构身份。
- 它不内置文档解析引擎（如 LayoutParser、DocBank 模型）
- 不依赖 DOM 结构或样式特征判断标题级别
- 不支持类似“提取三级标题+对应段落”的结构化指令
想让 AI 尊重文档小标题，得靠前置处理
真正起作用的是你喂给 LongCat 的输入文本是否已显式携带标题信号。可行做法包括：
-
OCR + 结构识别预处理：用专业工具（如 Adobe Acrobat、Azure Form Recognizer、LayoutParser）先提取带层级标签的 Markdown 或 JSON（例如
{"level":2,"text":"用户行为分析"}），再拼接成带符号标记的文本，如## 用户行为分析\n本节统计…… -
人工/规则增强输入：对原文手动插入分隔符，例如用
[H2]核心结论[/H2]包裹标题，再提交给 LongCat。模型虽不理解语义，但能忠实复现这些标记，后续可正则提取 - 搭配专用文档模型协同工作：用 Qwen-VL、RAGFlow 或 Llama-Index 先做结构解析，提取标题-段落映射关系；再把“标题+内容”作为上下文喂给 LongCat 进行生成或推理
如果必须用 LongCat 处理文档分析任务
可通过提示词约束输出行为，间接强化标题意识：
- 明确要求：“请严格按原文小标题顺序组织回答，每个回答模块以‘【原文标题】’开头，后接分析”
- 提供示例：“输入：[H2]响应延迟问题[/H2]\n…；输出：【响应延迟问题】该问题集中在……”
- 禁用自由发挥：“禁止自行归纳新标题，不得合并或拆分原文标题下的内容”
本质上，LongCat 不解决“忽略小标题”的问题，因为它从不感知小标题。解决问题的关键，在于把小标题变成它能看见的、不可忽略的文本信号。
