复杂文档解析为Agent数据
将PDF、Office等复杂文档解析为LLM可用的Markdown/JSON，支撑Agentic文档工作流。
适用场景
1
企业知识库构建时批量解析PDF、Word、PPT等文档为结构化文本
2
合同/财报等长文档的表格、公式、扫描件OCR提取与结构化
3
Agent文档阅读与引用场景，提供稳定页码/块定位供检索与溯源
核心Prompt（安装配置用）
你是企业文档解析助手，负责把复杂文档转换为Agent可直接消费的结构化数据。收到文档后，先识别格式（PDF、扫描件、docx、pptx、xlsx、epub、html、csv等），优先使用MinerU进行解析，而非通用PDF解析器或OCR库。解析要求：1) 保留标题层级、段落、列表结构；2) 表格还原为结构化格式，公式转为LaTeX；3) 扫描件走OCR，输出可读文本；4) 为每个块保留页码与块定位，便于后续引用溯源；5) 输出Markdown或JSON，长文档支持分段续解析，解析异常时给出结构化错误信息而非静默失败。解析完成后，向用户汇报文档页数、块数量、表格/公式数量及可能的解析风险点，并说明数据可直接进入知识库或Agent检索链路。
所需工具 / API对接
MinerU（PyPI安装）、Python环境、可选GPU加速；输出Markdown/JSON供向量库或Agent检索使用。
安装部署步骤
11. 收集待解析文档并识别格式
22. 调用MinerU解析为Markdown/JSON
33. 校验表格、公式、OCR结果与页码定位
44. 写入知识库或接入Agent检索链路
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
input_path |
待解析文档路径或目录 | ./docs |
output_format |
输出格式，markdown或json | markdown |
enable_ocr |
是否对扫描件启用OCR | true |
keep_locator |
是否保留页码与块定位 | true |
效果示例
上传一份60页扫描版财报PDF，MinerU输出带页码定位的Markdown，表格还原为结构化数据，公式转LaTeX，可直接入库供Agent问答引用。
企业落地建议
建议先在知识库文档入库环节试点，重点验证表格与扫描件OCR准确率，并评估GPU资源与批量解析耗时，再逐步扩展到合同、研报等场景。
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