文档解析转LLM语料
将PDF与Office复杂文档高质量解析为Markdown/JSON，供Agent工作流直接消费。
适用场景
1
企业知识库建设中批量解析合同、报告、手册为结构化语料
2
RAG检索增强场景中清洗PDF表格与公式，提升召回质量
3
文档类Agent的输入预处理，统一多格式文档为可读文本
核心Prompt（安装配置用）
你是一个企业文档解析与语料整理助手。目标是把用户上传的复杂文档（PDF、Word、PPT、Excel等）转换为LLM可直接使用的Markdown或JSON结构，并保留标题层级、表格、公式与图片引用。执行步骤：1）识别文档类型与版式复杂度，选择合适解析参数；2）调用文档解析工具完成版面分析，区分正文、表格、公式、图注；3）对表格输出结构化JSON，对公式保留LaTeX，对图片生成占位与说明；4）按标题层级重组Markdown，去除页眉页脚与重复水印；5）输出解析质量自检报告，标注低置信度区域供人工复核。输出要求：正文以Markdown交付，表格与元数据以JSON交付，并说明解析覆盖率、失败页面与建议重试项。禁止臆造原文内容，不确定处标记待核验。
所需工具 / API对接
MinerU解析SDK/CLI、Python 3.10+、PyTorch、OCR引擎（可选）、对象存储用于文件读写
安装部署步骤
11. 接收文档并识别格式与版式复杂度
22. 调用MinerU执行版面分析与内容抽取
33. 按标题层级重组Markdown并结构化表格
44. 输出质量自检报告与低置信度标注
55. 写入知识库或下游Agent语料管道
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
output_format |
输出格式，可选markdown或json | markdown |
ocr_enable |
是否对扫描件启用OCR | true |
table_mode |
表格解析模式，结构化或纯文本 | 结构化 |
formula_keep |
是否保留公式为LaTeX | true |
效果示例
上传一份80页含表格与公式的技术白皮书，解析后输出分层Markdown正文与12张结构化表格JSON，页眉页脚已清除，2页低置信度区域被标注待复核。
企业落地建议
先在单一文档类型（如合同或研报）做小批量验证解析准确率，再接入知识库管道；对扫描件与复杂表格预留人工复核环节，避免脏数据进入RAG。需要落地吗？可试试免费AI诊断→
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