docs(troubleshooting): OCRmyPDF 사이드카 비교 결과(eng only) 추가 – 한글 언어팩 미탑재로 개선 불가 확인

troubleshooting/251022_claude_OCR_파이프라인_개선_테스트.md

@@ -25,7 +25,16 @@
    - `POST /api/reindex {"document_id": "611938b0-...", "force_ocr": true}`
    - 결과: `ocr_used: true`, 청크 수 4 그대로(품질 지표 유사)
 
-3) RAG 질의 테스트
+3) OCRmyPDF 사이드카 비교 테스트
+   - 스크립트: `rb8001/tests/test_ocr_pipeline_sidecar.py`
+   - 시나리오: Docker 이미지(ocrmypdf)로 `kor+eng` 시도→언어팩 미탑재로 실패, `eng`로 재시도 성공
+   - 메트릭 비교(서비스 baseline vs OCRmyPDF-eng):
+     - length: 3226 → 2752 (-474)
+     - unique_chars: 103 → 98 (-5)
+     - korean_ratio: 0.000 → 0.000 (변화 없음)
+   - 결론: 한글 언어팩 없이 OCR 시 품질 개선 불가(오히려 악화)
+
+4) RAG 질의 테스트
    - IR 지표 질의(사업 분야/성장률/팀 구성 등): 대부분 0건(문장 구조/키워드 부재)
    - 식별 키워드 질의(예: "workvisa", "Team Building"): 해당 문서 포함해 검색됨(단, 의미 문장 근거는 빈약)
 
@@ -36,7 +45,7 @@
 
 ## 권장 개선(코드 변경은 별도 PR)
 1) OCR 엔진/옵션 고도화
-   - ocrmypdf+Tesseract(ko+eng)로 강제 OCR, 데스큐/회전/해상도(300–600DPI) 표준화.
+   - ocrmypdf+Tesseract(ko+eng)로 강제 OCR, 데스큐/회전/해상도(300–600DPI) 표준화(한글 언어팩 설치 필수).
    - PaddleOCR(PP-OCRv4) angle classifier 적용(표/도형/한글 자모 분리·잡음 보정 강화).
 
 2) 품질 휴리스틱 상향 및 폴백