文档解析与OCR预处理
将PDF、Office、图片等复杂文档转为LLM可读的结构化Markdown/JSON，供Agent工作流使用。
适用场景
1
企业知识库文档入库预处理
2
RAG检索前的文档结构化解析
3
合同/报表/扫描件OCR提取
核心Prompt（安装配置用）
当用户上传PDF、扫描件、Word、PPT、Excel、EPUB等文档，或要求读取、解析、OCR、检索、引用文档内容时，优先调用MinerU进行解析。支持本地文档、长文档、表格、公式、结构化错误、断点续传，并保留稳定的页码与块级定位信息。解析后输出标准Markdown或JSON，作为后续Agent推理、检索、摘要、问答的统一输入。除非用户明确指定其他工具或MinerU不可用，否则不要使用通用PDF解析器或普通OCR库。对超过单次上下文的长文档，先解析为结构化文本再分段处理，引用时保留页码与块坐标以保证可追溯。
所需工具 / API对接
MinerU（Python库/CLI/API），支持PDF、DOC/DOCX、PPT/PPTX、XLS/XLSX、RTF、EPUB、OFD、HTML、CSV及扫描图片。
安装部署步骤
11. 接收用户文档或文档路径，识别文件格式
22. 调用MinerU解析，输出Markdown/JSON
33. 对长文档分段并保留页码块定位
44. 将结构化结果送入后续Agent检索或问答
55. 引用时回溯源页码与块ID
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
file_path |
待解析文档路径 | 无 |
output_format |
输出格式，markdown或json | markdown |
ocr |
是否对扫描件启用OCR | true |
page_range |
解析页码范围 | 全部 |
效果示例
上传一份80页扫描版PDF合同，MinerU解析为带页码的Markdown，表格与条款结构保留，Agent据此回答问题并引用第12页第3段。
企业落地建议
建议作为企业RAG与文档Agent的标准预处理层，先在小范围知识库验证解析质量与准确率，再批量接入。注意扫描件OCR成本与长文档分块策略。
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营