LLM 应用开发的隐形“深坑”：为何 80% 的时间都耗在了长文档解析上

本文探讨了在开发基于大模型的 PPT 自动生成工具时遇到的实际工程难题。作者发现，尽管预期难点在于提示词设计或渲染，但实际上 80% 的时间都耗费在了长文档（如 PDF、Word）的解析上。核心痛点在于文档在解析喂给 LLM 后，往往会丢失原本的层级结构和排版逻辑，导致模型无法准确理解上下文。这一经验揭示了当前 LLM 应用落地中“数据处理”环节的技术瓶颈，远比单纯的模型调用更为棘手，也引起了技术社区对于非结构化数据预处理方法的广泛关注。