alibabacloud-docmind-parse 是阿里云 DocMind 智能文档解析服务的 Agent Skill，能够将各类文档（PDF、Word、PPT、Excel、图片等）转换为结构化的 Markdown / JSON / HTML 格式
简介
alibabacloud-docmind-parse 是阿里云 DocMind 智能文档解析服务的 Agent Skill。安装后，你可以直接让 AI Agent 帮你解析各类文档，将 PDF、Word、PPT、Excel、图片等转换为结构化的 Markdown / JSON / HTML。
核心能力
能力 | 说明 |
多格式支持 | PDF、Word、PPT、Excel、图片、Markdown、HTML、EPUB、TXT 等 |
结构化输出 | 保留标题层级、表格、图片、段落等版式信息 |
多种增强模式 | VLM（视觉大模型）、LLM、DIGITAL（电子文档）、OCR、AUTO |
双通道接入 | 免费 V2 直连 + 阿里云 POP，自动路由最优通道 |
安装
npx skills add https://github.com/aliyun/alibabacloud-aiops-skills --skill alibabacloud-docmind-parse --full-depth安装完成后即可使用，V2 免费模式开箱即用，无需额外配置。
如需使用阿里云 POP 模式（3,000 页/月免费额度），需配置阿里云凭证，非环境变量凭证参考：
export ALIBABA_CLOUD_ACCESS_KEY_ID=your_id
export ALIBABA_CLOUD_ACCESS_KEY_SECRET=your_sk 访问 [DocMind 控制台](https://docmind.console.aliyun.com/doc-overview) 开通服务。使用方式
安装 Skill 后，直接用自然语言告诉 Agent 你想解析什么文档即可。
SKILL命令场景
/alibabacloud-docmind-parse 解析./test.pdf 总结一下内容
/alibabacloud-docmind-parse 解析./test.pdf 转换为Markdown
基础场景
帮我解析这个文档：https://example.com/report.pdf
把 ./contract.docx 转成 Markdown
解析这个 PDF 的前 5 页
指定解析策略
用 VLM 模式解析这份扫描件：./scanned.pdf
帮我解析 report.pdf，输出 JSON 格式
解析这个文档并保存到 ./result.md：https://example.com/doc.pdf
复杂文档处理
解析这份报告，把表格用 Markdown 格式输出
解析这个 PDF，提取页眉页脚的内容
用 DIGITAL 模式解析电子文档，只处理第 3-8 页
两种接入模式
模式 | 说明 | 免费额度 | 文件大小限制 |
V2 API 直连（默认） | 无需阿里云账号，开箱即用 | 每日有限免费额度 | 5 MB |
阿里云 POP | 使用阿里云凭证 | 3,000 页/月 | 150 MB |
采用V2 API 直连方式每日提供 10 万 credit 免费额度，各类资源消耗标准如下，格式类型参考下文：
文件类型 | 消耗标准 |
文档、图片、其他 | 每页 50 credit （非页按） |
视频 | 每秒 5 credit |
音频 | 每秒 1 credit |
Agent 会自动选择最优通道：
检测到阿里云凭证 → 使用 POP 模式
无凭证 → 使用 V2 免费模式
POP 失败 → 自动降级到 V2
文件超过 V2 大小限制 → 自动升级到 POP
增强模式说明
模式 | 适用场景 |
AUTO | 自动判断，推荐大多数场景使用 |
VLM | 扫描件、复杂版式、手写体，使用视觉大模型增强 |
LLM | 需要语义理解和内容增强 |
DIGITAL | 电子文档（已有文本层的 PDF、Word 等） |
OCR | 纯图片文字的识别提取 |
支持的文件格式
文档：PDF、Word（doc/docx）、PPT（ppt/pptx）、Excel（xls/xlsx/xlsm）
图片：JPG、JPEG、PNG、BMP、GIF
其他：Markdown、HTML、EPUB、MOBI、RTF、TXT
音视频（仅 POP 模式）：MP4、MKV、AVI、MOV、WMV、MP3、WAV、AAC
输出格式
格式 | 说明 |
Markdown | 默认格式，保留标题、段落、表格等结构 |
JSON | 原始布局数据，包含类型、坐标、页码等详细信息 |
HTML | 适合嵌入网页展示 |
注意事项
V2 免费API模式文件上传限制 5 MB，大文件请使用 POP 模式（150 MB）
音视频文件解析仅 POP 模式支持
私有 URL（需要认证的资源）无法直接解析，可先下载到本地再解析
免费额度用尽？访问 DocMind 控制台 开通服务