智能感知 · 組件

Office/PDF 文本提取、限定存儲與文檔編寫

可用合成數據 T5 · 文檔掃描與抽取

功能

從含文本層的 PDF 和 OOXML 中有限度地提取文字與結構，預覽 DOCX，並創建或檢查辦公文件。表格檢查能發現缺失的工作表引用和緩存錯誤，但不計算公式。

核心模式

有限文檔提取與寫入＋預覽和結構檢查

輸入: Office/PDF files or structured document content
輸出: Extracted text, previews, authored documents and validation reports

關鍵參數

名稱	類型	預設值	取值
operation	string	extract	extract · preview · author · validate · formula_check · pdf_render · upload_context
document_data	—	—	—
extract_schema	—	—	—
format	string	json	json · csv · markdown · html · pdf · xlsx · pptx · png · svg · text
max_pages	integer	200	1–10000

成熟度與限制

可用

包含原生提取測試，以及具體的文檔編寫、檢查和校驗腳本。此等級依據靜態源碼檢查，不代表運行測試、真實服務接入或生產部署已通過驗證。

掃描版 PDF 須另配 OCR 引擎；現有 PDF 文本提取器不執行 OCR。靜態公式檢查不會重新計算電子表格公式。ZIP 解壓與文檔體積須有資源限制；服務端存儲和授權與桌面本地檔案接口具有不同安全邊界。

所在流水線

行業標籤

法律可遷移應用
在案卷資料整理和有出處的摘要中，有限文檔提取與寫入，並預覽和結構檢查。
醫療健康可遷移應用
為「確認並歸檔紀要」提供支撐：有限文檔提取與寫入，並預覽和結構檢查。

技能包

契約腳手架與確定性模擬實現

SHA-256 d0ff4f0a5b19b5910a2105a43c6a5a74fb1b94fc6c1bca2a9da4e8260dab03f5

相關組件

多圖 OTA 房價抽取

對照截圖識別欄位＋結構化比較記錄
- 旅遊酒店 · 源數據有行業依據
- 零售與電商 · 可遷移應用
可用 1 條流水線
資訊披露採集與文本提取

文檔索引採集＋正文清洗和統一引用
- 金融 · 源數據有行業依據
- 法律 · 可遷移應用
可用 1 條流水線
歷史數據與來源遷移

舊記錄映射匯入＋孤立和完整性檢查
- 旅遊酒店 · 源數據有行業依據
- 製造與工業 · 可遷移應用
可用 1 條流水線
播客與影片目錄採集

媒體元數據歸一＋可見性和保留規則
- 金融 · 源數據有行業依據
- 媒體內容 · 源數據有行業依據
- 醫療健康 · 可遷移應用
- 另有 1 個
可用 1 條流水線