前言¶

非结构化文档处理在工程落地中常卡在两个环节：要么只能做粗糙的文本提取，要么需要大量人工标注才能做字段抽取。从 PDF、扫描件到表格、合同，文档格式多样，版面复杂，直接用通用模型难以兼顾准确率与成本。文档解析需要把文档分型、版面还原、字段抽取、校验纠错这些步骤串成一条可复现的工程链路。

这是什么¶

文档解析是一个结构化数据工程化解析工作台，把 PDF、扫描件、表格、合同变成结构化数据。它提供文档分型、通道选择、版面还原、字段抽取、校验纠错、质量抽检六个能力模块。内置方法论包括文档四分型法、通道递进原则、锚点抽取三段式、勾稽校验法。输出可直接交付，全流程附卡点自救与合规护栏。

核心能力¶

• 文档分型：根据文档类型选择合适解析通道。
• 通道选择：根据文档类型与内容特征选择解析通道。
• 版面还原：将扫描件或复杂版面还原为结构化布局。
• 字段抽取：从还原的版面中抽取目标字段。
• 校验纠错：对抽取结果进行校验与纠错。
• 质量抽检：对输出结果进行质量抽检，确保交付质量。

安装与启用¶

基于通用 SKILL.md 格式，安装与启用方式取决于使用的 IDE 或命令行工具。官方地址为：https://api.skillhub.cn/kunlungrowth/kunlun-doc-parsing

典型用法¶

文档解析的典型用法包括：上传文档后自动分型，选择对应通道进行版面还原与字段抽取，对抽取结果进行校验纠错与质量抽检，最后输出结构化数据。具体调用方式需参考官方文档或对应平台的集成说明。

适用场景与注意¶

• 适用场景：需要批量处理 PDF、扫描件、表格、合同等非结构化文档，并输出结构化数据的工程化场景。
• 注意事项：解析效果依赖于文档质量与版面复杂度，建议对关键字段设置准确率阈值。

短结尾¶

文档解析提供从文档分型到质量抽检的全流程工程化能力，适合需要将非结构化文档结构化的落地场景。官方地址：https://api.skillhub.cn/kunlungrowth/kunlun-doc-parsing