文档解析转LLM数据
将PDF与Office文档解析为Markdown/JSON，为大模型及Agent提供结构化输入。
适用场景
1
企业知识库建设中将合同、标书、说明书等异构文档批量转成可检索的Markdown
2
Agent工作流中为RAG检索提供高质量结构化文本预处理
3
财务、法务、研发等部门将PDF报表/规范文档转入内部大模型问答系统
核心Prompt（安装配置用）
你是一名文档处理工程师，负责将企业内部的复杂文档（PDF、Word、PPT、Excel、扫描件）转换为大模型可直接使用的结构化数据。请按以下要求执行：1. 读取指定目录或URL中的原始文档，识别版式（单栏/双栏/表格/图片/公式）；2. 使用MinerU进行解析，输出Markdown与JSON两种格式，保留标题层级、表格结构与阅读顺序；3. 对扫描件启用OCR，对公式保留LaTeX，对图片生成占位或提取说明；4. 清洗页眉页脚、页码、水印等噪声；5. 校验解析结果，对失败文档记录日志并给出重试建议；6. 将结果写入向量库或文件系统，供下游Agent调用。注意：不要丢失表格与公式信息，不要臆造文档内容，解析置信度低的段落需标注待人工复核。
所需工具 / API对接
MinerU（Python包/CLI）、PyMuPDF或pdfplumber辅助校验、OCR引擎（PaddleOCR/Tesseract）、向量库（Milvus/Chroma）、对象存储（S3/MinIO）
安装部署步骤
1采集待解析文档清单与格式分类
2调用MinerU批量解析为Markdown/JSON
3清洗噪声并校验表格、公式、图片
4写入向量库或文档存储供Agent检索
5记录失败样本并人工复核低置信内容
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
input_path |
待解析文档目录或文件URL | ./docs |
output_format |
输出格式，markdown/json/both | both |
enable_ocr |
是否对扫描件启用OCR | true |
output_dir |
解析结果输出目录 | ./output |
效果示例
输入一份80页含表格与公式的PDF技术白皮书，MinerU输出结构化Markdown，标题层级与表格完整，公式转为LaTeX，直接导入企业知识库供Agent问答。
企业落地建议
建议先小批量试点，重点验证表格、公式、扫描件识别效果；解析结果需加入人工抽检与清洗环节，再接入RAG或Agent工作流，避免脏数据污染知识库。
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