同学你好，恭喜你，坚持学到这里，我们的课程内容已过半。为了帮助你检验学习成果，我们将本周设置为期中作业周，给你布置了一次项目考核，希望你能花点时间积极参与，讲师会对你提交的作业进行打分和评价！后续课程内容将于 9 月 22 日恢复正常更新。

题目背景

某金融科技公司需要构建一个智能文档问答系统，用于处理公司内部的政策文档、技术手册和客户服务指南。这些文档包含 PDF、Word、图片等多种格式，需要支持员工快速检索和准确回答相关问题。

任务要求

请基于课程所学知识，设计并实现一个完整的 RAG 系统，满足以下功能需求：

第一部分：数据预处理模块（40 分）

1. 多源文档解析（20 分）

• 实现统一的文档解析接口，支持 PDF、Word、图片等格式
• 使用 OCR 技术处理图像中的文字内容
• 处理跨页表格的自动对齐与合并

代码样例：

class DocumentProcessor:
    def __init__(self):
        pass
    
    def process_pdf(self, file_path: str) -> List[str]:
        """处理 PDF 文档，返回文本块列表"""
        pass
    
    def process_word(self, file_path: str) -> List[str]:
        """处理 Word 文档，返回文本块列表"""
        pass
    
    def process_image(self, file_path: str) -> str:
        """使用 OCR 处理图像，返回提取的文本"""
        pass