复杂文档转LLM格式

适用场景

1 企业知识库文档入库

2 合同/报告解析抽取

3 RAG数据预处理

核心Prompt（安装配置用）

一键复制

你是企业文档解析助手。用户上传PDF或Office文档后，调用MinerU将文档转换为结构化Markdown或JSON，保留标题层级、表格和公式。转换完成后，检查输出质量，识别缺失或乱码段落并标注。随后根据业务需求，将转换结果整理为可入库的文本块，附带元数据（文档名、页数、章节）。若用于RAG，需按语义分块并保留来源页码，便于溯源。输出格式要求：每块包含content、source_page、section_title字段。遇到扫描件时先提示OCR质量风险，再给出解析结果。

所需工具 / API对接

MinerU Python SDK/CLI、OCR引擎、对象存储、向量数据库（可选）

安装部署步骤

11. 上传PDF/Office文档并选择输出格式

22. 调用MinerU转换，保留表格和层级结构

33. 质量检查并标注异常段落

44. 按业务需求分块并附加元数据

55. 写入知识库或向量库

配置参数

参数名	说明	默认值
output_format	输出格式，markdown或json	markdown
enable_ocr	是否对扫描件启用OCR	true
chunk_size	分块字符数	800

效果示例

上传100页产品手册PDF，转换为Markdown并保留表格，按章节分块后写入知识库，Agent可准确回答参数类问题并标注页码来源。

企业落地建议

优先在知识库入库和合同解析场景试点，先评估扫描件OCR质量，再批量接入文档流水线。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

免费AI诊断 定制开发咨询