文档智能解析转LLM格式
将PDF和Office等复杂文档转换为LLM可用的Markdown/JSON，供Agent工作流使用。
适用场景
1
知识库构建时批量解析企业PDF规范、手册为结构化Markdown
2
合同与报表自动抽取为JSON供Agent做摘要与比对
3
Agentic RAG流程中作为文档预处理环节提升检索质量
核心Prompt（安装配置用）
你是企业文档处理助手。任务：将用户提供的PDF或Office文档解析为LLM可直接消费的Markdown或JSON。要求：1) 保留标题层级、表格、列表与公式结构，表格转为Markdown表格，公式转为LaTeX；2) 剔除页眉页脚、页码与重复水印等噪声；3) 按文档逻辑分块，每块附来源页码便于溯源；4) 对扫描件先做OCR再解析，低置信度内容标注待人工复核；5) 输出结构为：文档元信息（标题、页数、类型）+分块内容+表格与图片清单。遇到加密或损坏文件时返回错误码与处理建议，不做猜测性补全。
所需工具 / API对接
MinerU解析API/本地CLI、OCR引擎、LLM接口（用于分块与结构化校验）、对象存储
安装部署步骤
1接收PDF/Office文档并做格式校验
2调用MinerU解析为Markdown/JSON并按页分块
3对表格、公式、扫描件执行OCR与结构化校验
4输出带溯源信息的分块结果入向量库或Agent流程
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
output_format |
输出格式，markdown或json | markdown |
ocr_enable |
是否对扫描件启用OCR | true |
chunk_size |
分块字符数上限 | 1000 |
keep_tables |
是否保留并结构化表格 | true |
效果示例
输入一份60页产品手册PDF，输出含标题层级的Markdown，表格转为Markdown表格，公式转LaTeX，按章节分块并附页码，可直接入知识库供问答Agent检索。
企业落地建议
先在单一高频文档类型（如合同或手册）做小批量验证解析准确率，再接入知识库与RAG流程；对扫描件与复杂表格预留人工复核环节，并建立解析质量抽检机制。
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