用户，解析这份 PDFAI，判断任务，发现需要读取 PDFAI，调用 parse_pdf 工具工具，返回 PDF 文本AI，基于文本总结内容

pip install pypdf pdfplumber python-docx markitdown langchain langchain-openai

PDF → pypdf / pdfplumberWord → python-docxTXT → 直接读取多格式 → markitdown 统一转 Markdown

from pypdf import PdfReaderreader = PdfReader(”你的文件.pdf”)print(f”共 {len(reader.pages)} 页”)print(reader.pages[0].extract_text())

import pdfplumberwith pdfplumber.open(”你的文件.pdf”) as pdf: text = pdf.pages[0].extract_text() tables = pdf.pages[0].extract_tables()

import redef clean(text): text = re.sub(r'\n{3,}', '\n\n', text) text = re.sub(r' {2,}', ' ', text) return text.strip()

Document 文档 ├── Paragraph 段落 │ └── Run 文字片段 └── Table 表格 └── Row 行 / Cell 单元格

from docx import Documentdoc = Document(”你的文档.docx”)for p in doc.paragraphs: if p.text.strip(): print(f”[{p.style.name}] {p.text}”)

parts = []for p in doc.paragraphs: if not p.text.strip(): continue if ”Heading” in (p.style.name or ””): parts.append(f”{p.text}”) else: parts.append(p.text)text = ”\n”.join(parts)

from markitdown import MarkItDownmd = MarkItDown()text = md.convert(”报告.pdf”).text_contenttext = md.convert(”方案.docx”).text_contenttext = md.convert(”数据.xlsx”).text_content

不同格式文档 → Markdown → 分段 → 摘要 / 问答 / 提取字段

from langchain_core.tools import tool@tooldef parse_pdf(file_path: str) -> str: ””” 解析 PDF 文件，提取文本内容。 适用场景，报告、合同、论文、规范文档等 PDF 文件。 输入，PDF 文件路径。 输出，PDF 的文本内容。 ”””解析逻辑 return result

def f1(path): ”””处理文件”””

from langchain_openai import ChatOpenAIfrom langchain.agents import create_tool_calling_agent, AgentExecutorfrom langchain_core.prompts import ChatPromptTemplatefrom langchain_core.tools import toolfrom pypdf import PdfReaderfrom docx import Documentimport os@tooldef parse_pdf(file_path: str) -> str: ”””解析 PDF 文件。用户提到 PDF、报告、合同、论文时使用。””” reader = PdfReader(file_path) text = ”\n\n”.join( f”[第 {i+1} 页]\n{p.extract_text()}” for i, p in enumerate(reader.pages) if p.extract_text() ) return f”PDF 解析成功，共 {len(reader.pages)} 页。\n\n{text[:3000]}”@tooldef parse_docx(file_path: str) -> str: ”””解析 Word 文档。用户提到 Word、docx、方案、规范时使用。””” doc = Document(file_path) parts = [] for p in doc.paragraphs: if not p.text.strip(): continue if ”Heading” in (p.style.name or ””): parts.append(f”{p.text}”) else: parts.append(p.text) return ”DOCX 解析成功。\n\n” + ”\n”.join(parts[:3000])@tooldef parse_txt(file_path: str) -> str: ”””读取文本文件。用户提到 txt、md、log、纪要时使用。””” with open(file_path, encoding=”utf-8”) as f: text = f.read() return f”文本读取成功。\n\n{text[:3000]}”@tooldef list_files(directory: str = ”.”) -> str: ”””列出目录中的文件。用户想查看有哪些文件时使用。””” return ”\n”.join(sorted(os.listdir(directory)))TOOLS = [parse_pdf, parse_docx, parse_txt, list_files]llm = ChatOpenAI( model=”deepseek-chat”, base_url=”https://api.deepseek.com/v1”, api_key=”你的 API Key”, temperature=0,)prompt = ChatPromptTemplate.from_messages([ (”system”, ”””你是一个文档处理助手。根据用户输入和文件类型，自动选择合适的工具。如果文件路径明确，直接解析。如果路径不明确，先列出目录文件。”””), (”human”, ”{input}”), (”placeholder”, ”{agent_scratchpad}”),])agent = create_tool_calling_agent(llm, TOOLS, prompt)executor = AgentExecutor( agent=agent, tools=TOOLS, verbose=True, handle_parsing_errors=True, max_iterations=5,)result = executor.invoke({”input”: ”解析 test_docs/sample_report.pdf”})print(result[”output”])

你，解析 report.pdfAI，自动选择 parse_pdf 工具，返回文档内容和总结你，帮我看看 spec.docx 里有什么AI，自动选择 parse_docx 工具，提取段落和结构你，当前目录有哪些文件AI，自动选择 list_files 工具，列出文件列表

阶段 1，工具使用让 AI 能读取 PDF、Word、TXT阶段 2，提示词链把解析、分段、摘要、提取字段串成流水线阶段 3，RAG 文档问答基于你的知识库回答问题，并给出引用来源阶段 4，并行化与路由同时处理多个文件，不同类型自动分发阶段 5，记忆与容错记住用户偏好，失败自动重试，关键节点人工确认阶段 6，多 Agent 协作检索、分析、写作、校对由不同 Agent 分工完成阶段 7，护栏与评估加入权限、安全、质量评测和企业级部署能力