作者写了什么，Agent读到什么：企业文档摄取中的静默线索丢失

论文指出企业Agent依赖文档摄取层将Word/PDF转为token，而主流转换器普遍丢失作者通过排版编码的含义，使Agent不是明显信息不全而是自信地给出错误答案。作者用76份真实政策文档构建任务，以文件自身OOXML属性做确定性匹配评分，发现忽略格式的摄取使micro F1从0.690降至0.150（docling）和0.075（纯文本），该差距在来自两家厂商的6个回答模型（5个Claude模型与OpenAI GPT-5.6）上复现。

AI推荐理由 用76份真实政策文档构建任务，以文件自身OOXML属性做确定性匹配、不依赖LLM评审，量化主流文档转换器丢失作者格式线索导致Agent自信出错的问题，并在6个回答模型上复现；对企业文档摄取与Agent落地有直接警示价值。