antinet-doc-parse

name antinet-doc-parse description 软件开发工程师与数据科学家在构建RAG系统时，当需处理PDF/Word/Excel等多格式复杂文档，用此技能可自动触发三级解析降级，一键输出高置信度结构化Markdown与元数据，免去繁琐清洗，直接夯实企业知识库数据底座！ assign_when 该 Worker 负责把任意格式的原始文档转成机器可读的结构化文本，是下游信息抽取与检索的通用解析入口。 多格式文档解析 Skill（密卷房） 使用方式 由密卷房 Worker 在收到已通过安全扫描的文件时调用。 三级 fallback 依次尝试，输出最终结构化结果与置信度。 输入（Input） file_path ：已通过 security-scan 的本地文件路径 formats ：（可选）期望支持的格式白名单，默认全格式 输出（Output） markdown ：结构化 Markdown 正文 metadata ：标题、页数、表格数、作者等元数据 confidence ：0–1 解析置信度 fallback_used ：最终生效的解析器名称 依赖（Dependencies） MinerU（首选，强排版还原） PyMuPDF（次选，PDF 快速解析） pdfplumber（兜底，表格/文本抽取） python-magic （类型探测） 失败处理（Failure Handling） 主解析器失败 → 自动降级到下一档，直到全部尝试。 三级全部失败 → 标记 人工介入 ，不输出残缺结果，回传 BLOCKED 给军机处。 单页超大文件 → 分块解析后拼接，避免内存溢出；块级失败仅标记该块低置信度。 复用价值（Reuse Value） 通用解析底座：RAG 索引、企业知识库、合同结构化均可直接复用。 置信度透明：下游（通政司四色卡片）可据此决定是否需要人工复核，降低幻觉风险。 复赛代码包执行（runnable package） 真实入口： scripts/run_doc_parse.py 执行等价于 core.runtime.AgentSession.run_stage("doc-parse") ，调用 archive.mijuanfang.MiJuanFangAgent （三级解析 fallback，纯 Python 可离线）。 运行： python skills/doc-parse/scripts/run_doc_parse.py 产物： examples/snse_survey/skill_outputs/doc_parse.json （解析结果 + 置信度 + fallback 信息）。