复杂文档转LLM可用Markdown
将PDF、Office等复杂文档高精度解析为LLM可直接使用的Markdown/JSON，支撑Agentic工作流。
适用场景
1
企业知识库构建前对PDF/Word/PPT批量结构化解析
2
合同、财报、研报等长文档的RAG检索预处理
3
Agent工作流中上传文档后自动转Markdown供模型阅读
核心Prompt（安装配置用）
你是企业文档结构化处理助手。用户上传PDF、Word、PPT等复杂文档后，你需要调用MinerU对文档进行高精度解析，将其转换为LLM友好的Markdown或JSON格式。处理时需保留标题层级、表格、公式、图片位置与阅读顺序，去除页眉页脚与冗余噪声。输出结构要求：1）Markdown保留原始章节层级，表格转标准Markdown表格，公式保留LaTeX；2）同时在JSON中给出页面映射与元素类型标注，便于后续检索与溯源。若文档含扫描件，需先走OCR再解析。解析完成后请简要给出文档结构概览（章节数、表格数、公式数）与潜在解析异常提示，供下游Agent决定是否人工复核。
所需工具 / API对接
MinerU解析引擎（Python SDK/CLI）、OCR组件、文档解析API；可选向量库与对象存储。
安装部署步骤
11. 接收PDF/Office文档并识别类型与是否扫描件
22. 调用MinerU解析，输出Markdown与JSON
33. 校验表格、公式、阅读顺序等关键结构
44. 将结果写入知识库或返回Agent工作流
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 |
keep_tables |
是否保留并转换表格结构 | true |
效果示例
上传一份80页PDF研报，解析为带章节层级的Markdown，保留12张表格与公式，Agent可直接检索引用。
企业落地建议
建议先在知识库/RAG场景试点，选取合同、研报类文档验证解析质量，再接入Agent工作流；注意扫描件OCR与表格结构校验。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