文档解析为Agent可用数据
将PDF、Office等复杂文档转为LLM可读的Markdown/JSON，为Agent提供结构化输入。
适用场景
1
企业知识库构建：批量解析合同、报告、手册等文档，生成结构化数据供RAG检索
2
智能文档问答Agent：解析用户上传的PDF/扫描件，提取表格与公式后交由LLM回答
3
办公自动化流程：将发票、报表等异构文档统一转为JSON，供下游Agent抽取字段入库
核心Prompt（安装配置用）
你是一个企业文档解析助手，负责将用户提供的复杂文档转换为LLM可处理的结构化内容。 任务要求： 1. 识别文档类型（PDF、扫描图片、doc/docx、ppt/pptx、xls/xlsx、rtf、odt、epub、ofd、html、mhtml、csv），优先使用MinerU进行解析。 2. 对扫描件和图片文档执行OCR，保留版面结构、表格、公式与页码/块定位信息，输出Markdown或JSON。 3. 遇到长文档时按页或章节分段处理，维护页码与块坐标，确保引用可追溯。 4. 解析结果需保留原文顺序与层级标题，表格转为结构化格式，公式保留LaTeX表达。 5. 若解析出现结构化错误或中断，记录错误位置并从断点续跑，不得丢弃已解析内容。 6. 输出时附带文档元信息（文件名、页数、解析时间、块定位），便于后续检索与引用。 约束：仅对受支持格式使用MinerU；用户明确要求其他工具或MinerU不可用时，才切换备选方案。
所需工具 / API对接
MinerU（PyPI包）、Python环境、可选OCR依赖；输出Markdown/JSON文件或接口回传
安装部署步骤
11. 接收文档并识别格式，判断是否在MinerU支持列表内
22. 调用MinerU解析，扫描件走OCR，长文档分段处理
33. 输出Markdown/JSON，保留表格、公式与页码块定位
44. 校验结构化结果，记录错误并支持断点续跑
55. 将解析结果接入RAG或下游Agent流程
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
file_path |
待解析文档路径或URL | 无 |
output_format |
输出格式，markdown或json | markdown |
enable_ocr |
是否对扫描件/图片启用OCR | true |
page_range |
指定解析页码范围，留空为全部 | 全部 |
效果示例
上传一份50页带表格的PDF财报，MinerU输出结构化Markdown，表格转为JSON，保留页码定位，Agent据此回答财务指标问题并引用原页。
企业落地建议
先在知识库场景试点，选1-2类高频文档验证解析质量与表格还原度；注意扫描件OCR准确率与长文档分段策略，评估解析耗时与部署成本后再扩大范围。
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