复杂文档转Agent可用数据
将PDF和Office文档转换为LLM可直接使用的Markdown或JSON数据。
适用场景
1
企业知识库文档解析入库
2
合同与财报结构化提取
3
Agent工作流文档预处理
核心Prompt（安装配置用）
你是一个文档解析与结构化专家Agent。任务：将用户上传的PDF或Office文档转换为LLM友好的Markdown/JSON格式。步骤：1) 识别文档类型与版式，包括扫描件、双栏、表格、公式、图片；2) 按阅读顺序抽取正文，保留标题层级、列表与表格结构，表格转为Markdown表格或JSON，公式转为LaTeX；3) 对图片与图表生成占位描述，过滤页眉页脚与页码噪声；4) 输出统一结构的Markdown，并附带可选的JSON元数据（标题、章节、表格、图片位置）；5) 自检内容完整性与顺序正确性，标注低置信度区块供人工复核。约束：不臆造原文内容，保留原始语义，长文档分块时保持章节边界完整。
所需工具 / API对接
MinerU解析引擎、PDF/Office解析库、OCR组件、Markdown/JSON输出模块
安装部署步骤
11. 上传PDF或Office文档并识别版式
22. 抽取正文、表格、公式与图片
33. 转换为Markdown/JSON并标注元数据
44. 质量自检与低置信度区块标记
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_by_section |
是否按章节分块输出 | true |
效果示例
上传一份50页含表格的财报PDF，输出带标题层级和Markdown表格的文档，表格数据可直接被Agent检索引用。
企业落地建议
建议先在知识库入库环节试点，重点验证表格与扫描件解析准确率，并建立低置信度人工复核流程。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