圖文混合檢索：讓 RAG 也能搜到圖表

把 PDF 抽成純文字時，圖表會消失。使用者問「架構圖裡的資料流是什麼」，檢索永遠找不到——因為那份資訊從來沒進索引。

兩種做法

圖轉文字：用視覺模型為每張圖產生詳細描述，把描述當成文字片段索引。實作簡單，相容既有的純文字 RAG。
跨模態嵌入：用能同時編碼圖與文的模型，把圖片直接放進同一個向量空間。查詢時圖文一起比。

圖轉文字的提示要具體

為這張技術圖產生檢索用描述，需包含：
1. 圖的類型（架構圖／流程圖／折線圖／表格截圖）
2. 圖中所有可讀的文字標籤，逐一列出
3. 元件之間的關係或趨勢
4. 若為數據圖，說明軸的意義與大致範圍

不要加入圖中沒有的推測，也不要評論。

第二點最重要：圖中的文字標籤往往就是使用者會用來搜尋的關鍵詞。少了它們，描述再漂亮也搜不到。

索引時保留關聯

{
  "type": "figure",
  "text": "架構圖，包含 API Gateway、Auth Service……",
  "image_path": "docs/arch-v2/p14-fig3.png",
  "doc_id": "arch-v2", "page": 14,
  "caption": "圖 3：服務間呼叫關係",
  "context": "（前後段落文字，一併索引以增加語境）"
}