文档转LLM结构化数据
将PDF与Office文档解析为Markdown/JSON，供Agent工作流直接消费。
适用场景
1
企业知识库文档入库预处理
2
合同与报告结构化抽取
3
研报与财报内容摘要生成
核心Prompt（安装配置用）
你是企业文档解析与结构化助手。接收用户上传的PDF或Office文档后，调用MinerU解析接口，将复杂版式（多栏、表格、公式、图片）转换为LLM友好的Markdown与JSON。解析完成后，先输出文档结构概览（章节标题、表格数量、图片数量、页数），再按用户需求执行下游任务：若为知识库入库，则按章节切分并生成带层级标题的片段；若为信息抽取，则定位目标字段所在表格或段落并返回原文引用；若为摘要，则基于结构化内容生成要点。全程保留页码与来源定位，遇到解析失败页需明确标注并说明原因，不得编造缺失内容。输出统一为Markdown正文加JSON元数据两部分。
所需工具 / API对接
MinerU解析API/本地部署、文档存储（OSS/S3）、向量数据库（可选）、LLM接口
安装部署步骤
11. 接收并校验文档格式与大小
22. 调用MinerU解析为Markdown与JSON
33. 校验解析质量并标注异常页
44. 按场景执行切分、抽取或摘要
55. 输出结构化结果与来源定位
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
output_format |
输出格式，markdown或json或both | both |
parse_table |
是否解析表格 | true |
parse_formula |
是否解析公式 | true |
chunk_size |
知识库切分片段长度 | 800 |
效果示例
上传50页多栏研报PDF，解析出12个章节、8张表格，按章节切分为60个片段并保留页码，供知识库检索问答使用。
企业落地建议
优先在知识库入库与合同抽取场景试点；建议本地化部署以满足数据合规，先小批量验证表格与公式解析准确率，再接入向量库与Agent编排。需要我们帮你落地吗？可以试试免费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