Agent Skills
返回列表
Easydoc 文档解析

Easydoc 文档解析

办公效率 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @easylink-ai/easydoc-document-parser。

技能介绍

解决什么问题

当文档结构本身复杂时,仅提取纯文本往往无法满足后续处理的需求:多栏排版会打乱阅读顺序,跨页表格会丢失表头与数据的对应关系,公式和图表也会变成无法检索的空白区域。若直接解析这样的文档,不仅难以回答细粒度问题,也很难在原文中定位具体内容的位置。

技能如何工作

@easylink-ai/easydoc-document-parser 通过调用 EasyDoc 异步解析接口,将原始文档转换为适合 AI 应用继续处理的结构化数据。解析结果不仅包含文本内容,还会尽可能保留版面位置和上下文关系,核心能力包括:

  • 复杂版面识别:支持多栏排版、图文混排、跨页文本与跨页表格,保留内容块之间的位置和逻辑关系。
  • 层次与表格还原:识别标题层级、段落组织和章节关系,并处理有线表、无线表、合并单元格,保留表头、数据与键值对的对应关系。
  • 图表与公式理解:提取图片中的文字,并为柱状图、折线图、流程图等视觉内容生成语义描述;识别数学公式和化学方程,并以 LaTeX 结构化形式输出。
  • 布局分析与溯源:识别页眉、页脚、题注和脚注等元素,提供页码与坐标信息,便于将解析结果映射回原文位置。

工作流程按固定顺序展开:检查输入、提交任务、查询进度、整理输出。提交任务时使用 POST /v1/easydoc/parse,文件上传字段为 files,并从响应中读取 task_id;随后通过 GET /v1/easydoc/parse/{task_id} 轮询结果,直到任务成功、失败或超时。随附脚本 scripts/easydoc_parse.py 默认输出 normalized 格式,需要原始响应时可指定 --output-format raw。

在 RAG 场景中,不推荐一次性读取整个解析后的 JSON。应优先用当前环境提供的搜索工具,根据关键词、实体名称、日期范围或 node type 定位相关片段,再只读取命中位置附近的内容;完整读取仅在需要整棵节点树或全量导出时进行。

适用边界

  • 需要先在 EasyLink AI 平台申请密钥,并配置为 EASYLINK_API_KEY,否则无法提交任务。
  • 单文件大小不超过 100MB,且需使用接口支持的文件扩展名。
  • 解析模式是必填项:easydoc-parse-flash 与 easydoc-parse-premium 的适用场景和耗时不同,未指定模式且使用随附脚本时默认使用 easydoc-parse-premium。
  • 具体字段和结果质量仍取决于所选解析模式与 API 实际响应。

使用场景

  • RAG 应用工程师需要把合同 PDF 转成保留章节层级与坐标的 JSON,并在命中条款后按页码定位原文
  • 处理学术论文时需把数学公式解析为 LaTeX 字符串,并为图表生成语义描述以支持符号检索与视觉问答
  • 处理跨页财报表格时需还原合并单元格和跨页表头为单一逻辑表,便于自动抽取季度对比指标
  • 将多栏排版的期刊文章转为线性文本流时需按阅读顺序重组段落,避免图文混排造成逻辑断裂

适合人员

  • RAG 应用工程师:构建企业知识库问答时需要文档转换保留章节层级与页码坐标以实现精准溯源
  • 合同法务研究员:审查长篇商务合同时需快速跳转到跨页条款并定位表格与权利义务的对应关系
  • 财报数据工程师:搭建自动化财报流水线时需要将合并单元格表格还原为单一结构以抽取财务指标
  • 学术文档工程师:把期刊 PDF 结构化入库时需要公式转 LaTeX 并为图表生成描述以支持符号检索与视觉问答