dvcrn 腾讯云实时文档抽取Agent (ExtractDocAgent)
用途
调用腾讯云OCR实时文档抽取Agent接口，支持从图片/PDF中按用户自定义的字段名称进行结构化信息抽取。模型参数更小，速度更快，适用于对实时性要求高（30秒以内）且输入输出Token在2000以内的场景。
核心能力：
- 自定义字段抽取：支持用户自定义需要抽取的字段名称
- KV对抽取：支持键值对形式的信息抽取（KeyType=0）
- 表格字段抽取：支持表格形式的信息抽取（KeyType=1）
- 字段提示词：支持为每个字段提供描述/提示词，提升抽取准确性
- PDF支持：支持PDF文件的单页文档抽取
- 多格式输入：支持PNG、JPG、JPEG、BMP、PDF格式
官方文档：https://cloud.tencent.com/document/api/866/126442
使用时机
当用户提出以下需求时触发此技能：
- 需要从文档图片/PDF中抽取指定字段的结构化信息
- 需要从合同、发票、报告等文档中提取特定内容
- 需要按自定义字段名进行文档信息提取
- 涉及文档结构化抽取的任何场景
- 需要同时抽取KV对和表格形式的信息
环境要求
- Python 3.6+
- 依赖：
tencentcloud-sdk-python（通过pip install tencentcloud-sdk-python安装） - 环境变量：
TENCENTCLOUD_SECRET_ID：腾讯云API密钥IDTENCENTCLOUD_SECRET_KEY：腾讯云API密钥Key
使用方式
运行 scripts/main.py 脚本完成文档结构化信息抽取。
请求参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| ImageBase64 | str | 否(二选一) | 图片/PDF的Base64值，编码后不超过10M，分辨率建议600*800以上，支持PNG/JPG/JPEG/BMP/PDF，像素需介于20-10000px |
| ImageUrl | str | 否(二选一) | 图片/PDF的URL地址，都提供时只使用ImageUrl |
| ItemNames | list of ItemNames | 是 | 自定义抽取字段列表，至少提供一个 |
| PdfPageNumber | int | 否 | PDF页码，仅支持单页识别 |
ItemNames 结构：
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
| KeyName | str | 是 | 要提取的字段名称，不能为空 |
| KeyType | int | 否 | 默认0；0=KV对，1=表格字段 |
| KeyPrompt | str | 否 | 字段描述/提示词，用于提升抄取准确性 |
| UserAgent | str | 否 | 请求来源标识(可选)，用于追踪调用来源，统一固定为Skills |
输出格式
识别成功后返回 JSON 格式结果：
格式化输出模式（默认）：
{
"抽取结果": [
{
"组序号": 1,
"字段列表": [
{
"字段名(自动识别)": "合同编号",
"字段名(配置)": "合同编号",
"字段值": "HT-2024-001"
}
]
}
],
"旋转角度": 0.0,
"RequestId": "xxx"
}
原始输出模式（--raw）：
{
"Angle": 0.0,
"StructuralList": [
{
"Groups": [
{
"Lines": [
{
"Key": {
"AutoName": "合同编号",
"ConfigName": "合同编号"
},
"Value": {
"AutoContent": "HT-2024-001",
"Coord": { ... },
"PageIndex": "0"
}
}
]
}
]
}
],
"ErrorCode": "",
"ErrorMessage": "",
"RequestId": "xxx"
}
响应数据结构说明
GroupInfo 结构：
| 字段 | 类型 | 说明 |
|---|---|---|
| Groups | list of LineInfo | 每一行的元素 |
LineInfo 结构：
| 字段 | 类型 | 说明 |
|---|---|---|
| Lines | list of ItemInfo | 每行的一个元素 |
ItemInfo 结构：
| 字段 | 类型 | 说明 |
|---|---|---|
| Key | Key | key信息组（可能返回null） |
| Value | Value | Value信息组（可能返回null） |
Key 结构：
| 字段 | 类型 | 说明 |
|---|---|---|
| AutoName | str | 自动识别的字段名称 |
| ConfigName | str | 定义的字段名称（传key的名称，可能返回null） |
Value 结构：
| 字段 | 类型 | 说明 |
|---|---|---|
| AutoContent | str | 自动识别的字段内容 |
| Coord | Polygon | 四点坐标（可能返回null） |
| PageIndex | str | 页数（可能返回null） |
错误码说明
| 错误码 | 含义 |
|---|---|
| FailedOperation.DownLoadError | 文件下载失败 |
| FailedOperation.ImageDecodeFailed | 图片解码失败 |
| FailedOperation.ImageSizeTooLarge | 图片尺寸过大，请确保编码后不超过10M，像素介于20-10000px |
| FailedOperation.OcrFailed | OCR识别失败 |
| FailedOperation.PDFParseFailed | PDF解析失败 |
| FailedOperation.ResponseParseFailed | 结果解析失败 |
| FailedOperation.UnKnowError | 未知错误 |
| FailedOperation.UnKnowFileTypeError | 未知的文件类型 |
| FailedOperation.UnOpenError | 服务未开通，请先在腾讯云控制台开通文档抽取Agent服务 |
| InvalidParameterValue.InvalidParameterValueLimit | 参数值错误 |
| LimitExceeded.TooLargeFileError | 文件内容太大 |
| ResourceUnavailable.InArrears | 账号已欠费 |
| ResourceUnavailable.ResourcePackageRunOut | 账号资源包耗尽 |
| ResourcesSoldOut.ChargeStatusException | 计费状态异常 |
重要业务逻辑
- ImageBase64和ImageUrl必须提供其一，都提供时只使用ImageUrl
- 图片/PDF编码后不超过10M，分辨率建议600*800以上，像素需介于20-10000px
- 支持格式：PNG、JPG、JPEG、BMP、PDF
- ItemNames不能为空，KeyName不能为空
- KeyType仅支持0(KV对)和1(表格字段)两种类型
- KV类型和表格类型分别有数量上限
- KeyName和KeyPrompt有长度限制
- PdfPageNumber>=1，仅支持PDF单页识别
- 计费策略：固定价格，不限抽取字段数；自适应价格下抽取字段>10个记两次费用，≤10个记一次费用
- 默认接口请求频率限制：20次/秒
- 建议图片存储于腾讯云COS以获得更高的下载速度和稳定性
- 响应中ErrorCode非空时表示业务处理失败，需检查ErrorMessage获取错误详情
调用示例
# 通过URL抽取文档中的KV字段
python scripts/main.py --image-url "https://example.com/contract.jpg" \
--item-names '[{"KeyName":"合同编号","KeyType":0,"KeyPrompt":"文档中的合同编号"}]'
# 同时抽取KV字段和表格字段
python scripts/main.py --image-url "https://example.com/invoice.jpg" \
--item-names '[{"KeyName":"发票号码","KeyType":0},{"KeyName":"明细","KeyType":1,"KeyPrompt":"明细条目表格"}]'
# 通过文件路径(自动Base64编码)抽取
python scripts/main.py --image-base64 ./document.png \
--item-names '[{"KeyName":"姓名","KeyType":0},{"KeyName":"金额","KeyType":0}]'
# 识别PDF中的文档(指定页码)
python scripts/main.py --image-base64 ./document.pdf --pdf-page-number 2 \
--item-names '[{"KeyName":"总金额","KeyType":0}]'
# 输出原始JSON响应
python scripts/main.py --image-url "https://example.com/doc.jpg" \
--item-names '[{"KeyName":"标题","KeyType":0}]' --raw
# 指定地域
python scripts/main.py --image-url "https://example.com/doc.jpg" \
--item-names '[{"KeyName":"签署日期","KeyType":0}]' --region ap-beijing```