一份PDF没有目录，就像一本书撕掉了目录页：人还能从大号、粗体标题看出章节，检索系统却容易只捞到脱离上下文的零散句子。这项管线要补回的正是目录树——标题及其层级关系。它位于RAG入口；RAG是先检索文档材料，再让语言模型据此回答，因此目录结构会直接影响内容如何按完整章节切分和召回。
做法不是让大模型通读全文后猜结构，而是先用字体大小、粗细和位置等排版信号提名标题，再让LLM（大语言模型）只判断这些候选是真是假、处于哪一层。规则便宜、范围明确，却可能把图注或醒目正文认成标题；模型负责处理这类模糊处。作者展示的可运行案例把《Attention Is All You Need》论文处理成24个候选，其中21个是真标题，另外3个误报由LLM验证剔除。
这套方法还被放在一条“便宜方案优先”的级联流程末端：先尝试PDF自带目录、带链接或纯文本的目录页，都没有结果时，才启用正文排版恢复。它也能用于补深不完整目录或处理拼接文档，但材料未提供更广泛的准确率、成本与跨版式测试，实际稳定性仍待验证。