Smart Document Parser

Smart Document Parser

通过生产环境 REST API 解析一个本地文档，并按用户需要整理结果。

服务配置

• 仅调用 POST https://connect.zhihuiya.com/rd-llm/v1/documents/doc_parsing。
• 使用 multipart/form-data 上传文件，文件字段名固定为 file。
• 使用 Authorization: Bearer <API_KEY> 认证。
• 从环境变量 SMART_DOCUMENT_API_KEY 读取 API Key。不得在 Skill、脚本、日志或回答中写入、回显或保存真实 Key。
• 不得调用任何 stage 域名，不得改用 /mcp，也不得在正式接口失败后回退到 stage 或 MCP。

执行前检查

1. 确认用户已提供可读取的本地文件或附件；如果没有可访问的文件，要求用户重新上传或提供有效路径。
2. 确认文件扩展名属于 png、jpg、jpeg、pdf、doc、docx、ppt、pptx、xls、xlsx。
3. 确认 SMART_DOCUMENT_API_KEY 已设置。若未设置，停止调用并要求用户通过安全的运行环境注入 Key；不要索要用户在聊天中粘贴明文 Key。
4. 选择输出格式：
   • 默认使用 markdown，适合阅读、总结、翻译、问答和正文提取。
   • 使用 jsonl 获取页码、区域类型、OCR 块、裁剪链接或归一化坐标。
   • 仅在任务同时需要 Markdown 与结构化区域时使用 both。

调用接口

设置待解析文件的绝对路径并执行一次请求：

DOCUMENT_PATH="/absolute/path/to/file.pdf"
OUTPUT_FORMAT="markdown"

test -n "${SMART_DOCUMENT_API_KEY:-}" || {
  echo "SMART_DOCUMENT_API_KEY is not set" >&2
  exit 2
}
test -f "$DOCUMENT_PATH" || {
  echo "Document does not exist: $DOCUMENT_PATH" >&2
  exit 2
}

curl --fail-with-body --silent --show-error \
  -X POST "https://connect.zhihuiya.com/rd-llm/v1/documents/doc_parsing" \
  -H "Authorization: Bearer ${SMART_DOCUMENT_API_KEY}" \
  -F "file=@${DOCUMENT_PATH}" \
  -F "output_format=${OUTPUT_FORMAT}"

每个文件只调用一次。成功请求可能按解析页数计量；不要为了改变展示方式重复上传同一文件。不要对未修改的失败请求自动重试。

处理响应

1. 首先检查 HTTP 状态、顶层 status 和 error_code。
2. 成功时从 data 读取：
   • markdown：output_format=markdown 或 both 时的聚合 Markdown。
   • results：output_format=jsonl 或 both 时的页面区域列表。
   • total_pages 与 file_type：页数和文件类型元数据。
3. results[].page 为从 0 开始的页码；只有结构化结果提供对应证据时才能引用页码或坐标。
4. 按用户任务返回提取、总结、翻译或结构化结果；默认不要倾倒完整 JSON 响应。
5. 保留重要标题、表格、公式和分页信息。不得编造缺失的 OCR、版面区域或页码。

失败处理

• 401 或 403：说明 API Key 缺失、无效或无权限，停止调用；不得回显 Key。
• INVALID_FILE_FORMAT：要求用户提供受支持且未损坏的文件。
• FILE_TOO_LARGE：要求压缩或拆分文件。
• PDF_PARSE_FAILED：说明 PDF 可能加密或损坏，要求解密或重新导出。
• DOCUMENT_CONVERSION_FAILED：要求重新导出 Office 文件，必要时转为 PDF。
• GATEWAY_TIMEOUT：建议拆分文件；只有用户同意后才能重试。
• 其他 4xx/5xx：报告 HTTP 状态、error_code 和不含凭证的错误信息，不得转调 stage 或 MCP。

详细契约

在解释接口参数、响应字段、限制或错误码时，读取 references/api.md。