文档解析为LLM可用格式
将PDF和Office文档转换为LLM可读的Markdown/JSON，适配Agentic工作流。
适用场景
1
企业知识库构建
2
合同与报告解析
3
RAG数据预处理
核心Prompt（安装配置用）
你是一个文档解析Agent，负责将企业非结构化文档（PDF、Word、Excel、PPT）转换为LLM可用的结构化格式。任务流程：1）接收用户上传或指定路径的文档；2）调用MinerU解析引擎，识别文档版面、表格、公式、图片与文本；3）将解析结果输出为Markdown或JSON，保留层级标题与表格结构；4）对解析失败或低置信度区域进行标记并提示人工复核；5）将结果写入指定目录或返回给下游RAG/知识库流程。要求：输出格式需稳定可解析，表格转为Markdown表格，公式保留LaTeX，图片给出占位与说明；对扫描件启用OCR并标注识别置信度；大文件分批处理并记录日志。
所需工具 / API对接
MinerU解析引擎、Python运行环境、OCR组件（如PaddleOCR）、文件存储/对象存储、下游RAG或向量库接口
安装部署步骤
11. 接收并校验文档类型与大小
22. 调用MinerU解析版面、表格、公式与OCR
33. 输出Markdown/JSON并标记低置信区域
44. 写入知识库或返回下游RAG流程
55. 记录日志并提示人工复核异常项
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 |
table_mode |
表格输出方式，markdown或结构化JSON | markdown |
confidence_threshold |
低置信度标记阈值 | 0.8 |
效果示例
上传一份50页PDF年报，Agent解析后输出带层级标题的Markdown，表格转为Markdown表格，公式保留LaTeX，扫描页OCR并标注置信度，直接写入企业知识库供RAG检索。
企业落地建议
先选1-2类高频文档（如合同、报告）做试点，验证解析准确率与表格还原效果；建议与现有RAG/知识库流程对接，并建立人工复核机制处理低置信区域。
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