Add Cloud Tour Libo knowledge graph platform

docs/markitdown-evaluation.md

@@ -0,0 +1,82 @@
+# MarkItDown 转换评测方法
+
+本项目已经接入 Microsoft MarkItDown，但上线判断不能只看“能不能转”。推荐用一组真实业务样本文档做可重复评测。
+
+## 评测维度
+
+1. 转换成功率：不同格式是否稳定返回 Markdown。
+2. 信息保真度：关键字段、价格、日期、地点、人名、产品 ID 是否还在。
+3. 结构保留度：标题、表格、列表、链接是否保留为 Markdown 结构。
+4. 噪声控制：乱码、超长行、残留 HTML、空文本、重复内容是否明显。
+5. 下游效果：把转换后的 Markdown 送入知识抽取后，实体、关系、证据覆盖是否提升。
+
+## 准备样本
+
+把测试文件放到：
+
+```bash
+data/markitdown_eval/input/
+```
+
+建议每类至少 5 份：
+
+- PDF：普通 PDF、扫描 PDF、复杂表格 PDF
+- Word：合同、行程单、产品说明
+- Excel：价格表、团期表、资源表
+- PPT：介绍资料、图文页
+- HTML/Markdown/CSV/JSON/XML
+- 图片或截图类资料
+
+## Manifest 示例
+
+创建 `data/markitdown_eval/manifest.json`：
+
+```json
+{
+  "cases": [
+    {
+      "case_id": "travel_product_docx_001",
+      "file": "travel_product.docx",
+      "must_terms": ["产品ID", "成人价", "儿童价", "费用包含", "退费政策"],
+      "forbidden_terms": ["<22>"],
+      "expected_headings_min": 2,
+      "expected_tables_min": 1,
+      "expected_lists_min": 3,
+      "expected_links_min": 0,
+      "min_chars": 800,
+      "notes": "旅行社产品说明 Word"
+    }
+  ]
+}
+```
+
+## 运行评测
+
+```bash
+python3 scripts/evaluate_markitdown_conversion.py \
+  --input-dir data/markitdown_eval/input \
+  --manifest data/markitdown_eval/manifest.json \
+  --output-dir outputs/markitdown_eval \
+  --fail-under 0.70
+```
+
+输出：
+
+- `outputs/markitdown_eval/converted/*.markitdown.md`
+- `outputs/markitdown_eval/markitdown_eval_report.json`
+- `outputs/markitdown_eval/markitdown_eval_report.md`
+
+## 判定建议
+
+- 平均分 `>= 0.85`：可作为默认转换方案，但仍抽检复杂文件。
+- `0.70 - 0.85`：可用，但要看缺失字段和结构损失，必要时加 OCR 或人工校正。
+- `< 0.70`：不建议直接进入自动知识抽取，应启用替代方案。
+
+## 进一步增强
+
+当前接入是 MarkItDown 本地转换。若样本中大量是扫描 PDF、图片文字、复杂表格、音视频，建议再评估：
+
+- MarkItDown OCR plugin
+- Azure Document Intelligence
+- Azure Content Understanding
+- 针对旅行社/城市知识图谱的自定义后处理规则