EasyDoc将你的文档变为AI友好格式的万能神器

我们正站在一个路口的拐角—— 内容的「人机分野」正在模糊。

在ChatGPT 出现之前，互联网上的内容，基本都是面向人类的，追求的是视觉美感、阅读体验。

但这些对AI 模型来说却是 噩梦 ——HTML的层层嵌套、PDF的复杂排版、Word文档的格式标记……

在我看来，最终的信息世界将会是 面向AI 的世界 ——内容是为AI 准备的AI Friendly 的结构化数据。

All for AI.

但现在还不是，我们正处于一个充满尴（机）尬（会）的过渡期。

最近我在做一个Agent项目时， “如何低成本且优雅准确地解析用户上传的花式文档” 的 问题让我头大了 好几天。

试过各种转 Markdown的工具，开源的、闭源的用了一圈，要么丢失格式，要么表格变乱码，要么图表直接消失——恨我得只想直接用Claude Code 徒嘴开撸（语音输入）。

我对技术栈选型的顺序大约是：

靠谱的开源 > 付费 > 自己造轮子 > 低劣的开源+自己改

开源的不少，但试了一圈都没有满足我需求的，直到o3 给出了EasyDoc这个工具。

官网在此：

https://www.easylink-ai.com/easy-doc/

而且，这显然不是个三两个vibe coder vibe coding 几小时就搞出来的项目。

快速上手

真•一句prompt，就完成文档解析：

访问https://www.easylink-ai.com/easy-doc/，给出用python 调用EasyDoc 进行文档解析的代码

轻松搞定：

import requests# 步骤1：上传文档，发起解析任务url = "https://api.easylink-ai.com/v1/easydoc/parse"headers = {"api-key": "your-api-key"}  # 从 https://platform.easylink-ai.com/api-keys 获取files = [("files", open("report.pdf", "rb"))]data = {"mode": "premium"}  # lite/pro/premium 三种模式可选response = requests.post(url, headers=headers, files=files, data=data)task_id = response.json()["data"]["task_id"]# 步骤2：获取解析结果result_url = f"https://api.easylink-ai.com/v1/easydoc/parse/{task_id}"result = requests.get(result_url, headers=headers).json()

就这么简单。

easydoc 的整个API 设计，也很好地遵循了RESTful 的规范，只有两个端点：

POST /v1/easydoc/parse - 上传文档

GET /v1/easydoc/parse/{task_id} - 查询结果

核心技术

传统OCR只能识别文字，EasyDoc的 视觉语义大模型 则在这基础之上，还具备了理解文档结构的能力。

来看它输出的JSON结构：

{  "nodes": [    {      "id": 1,      "text": "2024年度财务报告",      "type": "Title",      "parent_id": -1,      "composing_blocks": [{        "coordinates": [442.55, 372.91, 2529.80, 578.78],        "page_number": 1,        "layout_width": 2977,        "layout_height": 4335      }]    },    {      "id": 2,      "type": "Table",      "parent_id": 1,      "caption": "营收对比表",      "vlm_understanding": {        "description": "该表格显示了2023-2024年各季度营收数据...",        "insights": ["Q4增长显著", "同比增长23%"]      }    }  ]}

注意，这里有几个关键点：

层级关系 ：通过 parent_id 构建文档树，保持了原始文档的逻辑结构

精确定位 ： coordinates 提供了每个元素的准确位置

语义理解 ： vlm_understanding 不只是提取表格数据，还能理解其含义

实战案例

我用EasyDoc做了一个简单的文档问答系统（同样vibe coding），效果简单且出奇的好。

核心代码是这样的：

import jsonfrom typing import List, Dictdef process_document_for_rag(file_path: str) -> List[Dict]:    """将文档处理成适合RAG的语义块"""        # 1. 解析文档    task_id = upload_document(file_path, mode="premium")    result = get_parse_result(task_id)        # 2. 构建语义块    semantic_chunks = []    nodes = result["data"]["results"]["nodes"]        for node in nodes:        # 获取完整的上下文路径        context_path = get_node_path(node["id"], nodes)                chunk = {            "content": node["text"],            "metadata": {                "type": node["type"],                "page": node["composing_blocks"][0]["page_number"],                "path": context_path,                "coordinates": node["composing_blocks"][0]["coordinates"]            }        }                # 特殊处理表格和图表        if node["type"] in ["Table", "Figure"]:            if"caption"in node:                chunk["content"] = f"{node['caption']}n{chunk['content']}"            if"vlm_understanding"in node:                chunk["ai_analysis"] = node["vlm_understanding"]                semantic_chunks.append(chunk)        return semantic_chunksdef get_node_path(node_id: int, all_nodes: List[Dict]) -> str:    """递归获取节点的完整路径"""    node = next(n for n in all_nodes if n["id"] == node_id)    if node["parent_id"] == -1:        return node.get("text", "Document")        parent_path = get_node_path(node["parent_id"], all_nodes)    returnf"{parent_path} > {node.get('text', node['type'])}"

这样处理方式的优势在于：

每个chunk都带有完整的上下文信息

表格和图表被正确理解，而不是变成乱码

保留了页码和坐标，便于精确引用

三种模式

easydoc 有三种模型可选：

我总结了下差异：

Lite模式（0.02元/页）

基础布局识别

输出扁平化的文本块

适合快速文本提取，如批量处理简历、合同关键信息

Pro模式（0.06元/页）

构建文档层次结构

合并跨页/跨栏内容

输出完整的文档树，适合知识库构建

Premium模式（0.22元/页）

深度图表理解（vlm_understanding字段）

表格结构完整保留

支持Markdown输出

适合技术文档、财报等复杂文档

实测数据：

100页技术文档 ：Premium模式52秒完成

准确率 ：结构识别90%（超过GPT-4V的表现）

表格解析速度 ：比传统方案快12倍

也可以在网页里直接上传图片：

虽然是排队的异步逻辑，但不到3秒就完成了

（感觉同步都可，不够自信啊！ ）

会有结构树（人类友好）、json（开发者友好）、markdown（AI 友好） 三种格式来给出解析结果：

表格的解析也非常精准，远不是一个ocr 工具，或是 4o 甚至o3 可比的（丢失了空间关系等许多精准信息）：

而这是o3 的输出：

这个茅台年报的解析更能看到效果：

这也是说明在一个小而垂的场景下，一个不需要太大尺寸的专用模型，是可以做得比大通用模型要更好且更经济的。

支持的文档格式

SUPPORTED_FORMATS = {    "word": [".dotm", ".docm", ".doc", ".dotx", ".docx", ".dot"],    "excel": [".xltm", ".xlsm", ".xlsx", ".xls", ".xlt"],    "ppt": [".pptx", ".potm", ".ppt", ".pot", ".pps"],    "image": [".tif", ".png", ".jpg", ".bmp"],    "text": [".txt", ".html"],    "pdf": [".pdf"]}

几乎覆盖了我们日常工作中的所有文档类型。

而像 pot, xlt 之类的格式，我其实之前都不认识……（见识少了）

而easydoc 对各种Word和Excel变体的支持，解决了很多兼容性问题（也是之前让我最头大的地方）。

批量处理

而如果需要处理大量文档，也很容易——

并发开干，即可：

import asyncioimport aiohttpfrom concurrent.futures import ThreadPoolExecutorasyncdef batch_process_documents(file_paths: List[str], max_concurrent=5):    """批量处理文档，控制并发数"""        semaphore = asyncio.Semaphore(max_concurrent)        asyncdef process_single(session, file_path):        asyncwith semaphore:            # 上传文档            with open(file_path, 'rb') as f:                data = aiohttp.FormData()                data.add_field('files', f, filename=file_path)                data.add_field('mode', 'pro')                                asyncwith session.post(                    'https://api.easylink-ai.com/v1/easydoc/parse',                    headers={'api-key': 'your-key'},                    data=data                ) as resp:                    result = await resp.json()                    task_id = result['data']['task_id']                        # 轮询结果            whileTrue:                asyncwith session.get(                    f'https://api.easylink-ai.com/v1/easydoc/parse/{task_id}',                    headers={'api-key': 'your-key'}                ) as resp:                    result = await resp.json()                    if result['data']['status'] == 'SUCCESS':                        return result                    elif result['data']['status'] == 'ERROR':                        raise Exception(f"Parse failed: {file_path}")                                    await asyncio.sleep(2)        asyncwith aiohttp.ClientSession() as session:        tasks = [process_single(session, fp) for fp in file_paths]        returnawait asyncio.gather(*tasks)

已集成Dify

EasyDoc已经上架 Dify插件商城：

可以直接在Dify工作流中使用：

# Dify工作流配置示例nodes:-id:doc_parser    type:tools/easydoc    config:      mode:premium      api_key:"{{env.EASYDOC_KEY}}"    -id:embedding    type:embedding/openai    input:"{{doc_parser.output.nodes}}"    -id:vector_store    type:storage/qdrant    input: "{{embedding.output}}"

同时也支持 华为云 部署——

对于有合规要求的企业来说……

你懂的，是个好消息。

错误处理

实际使用可能会遇到各种问题，这里是常见错误码：

ERROR_CODES = {    "API_UNAUTHORIZED": "检查API密钥是否正确",    "INSUFFICIENT_BALANCE": "账户余额不足，需要充值",    "INVALID_DOCUMENT": "文档格式不支持或已损坏",    "INSUFFICIENT_RESOURCES": "服务器资源不足，稍后重试"}def safe_parse_document(file_path: str, retry=3):    """带重试机制的文档解析"""    for i in range(retry):        try:            return parse_document(file_path)        except Exception as e:            if"INSUFFICIENT_RESOURCES"in str(e) and i < retry - 1:                time.sleep(5 * (i + 1))  # 指数退避                continue            elif"INVALID_DOCUMENT"in str(e):                # 尝试修复或转换文档                fixed_path = attempt_fix_document(file_path)                if fixed_path:                    return parse_document(fixed_path)            raise

性能优化建议

基于我少量的一些实测，这里有几点粗略的优化建议：

选择合适的模式 ：不是所有文档都需要Premium，合理选择能节省成本

预处理大文件 ：超过50MB的文件建议先压缩或分割

缓存解析结果 ：相同文档不要重复解析

使用webhooks ：对于大批量处理，可以请求他们开通webhook通知

安全性和合规

对于企业用户，EasyDoc提供了几个重要的安全保障：

传输加密 ：全程HTTPS

数据不留存 ：解析完成后立即删除原文件

私有化部署 ：支持本地部署（需联系商务）

# 敏感文档处理示例def process_sensitive_document(file_path: str):    """处理敏感文档的最佳实践"""        # 1. 本地加密    encrypted_file = encrypt_file(file_path)        # 2. 使用专用API密钥（限制IP）    headers = {        "api-key": os.environ["EASYDOC_SECURE_KEY"],        "X-Client-IP": get_whitelist_ip()    }        # 3. 立即删除本地副本    try:        result = parse_document(encrypted_file, headers=headers)    finally:        secure_delete(encrypted_file)        return result

目前新用户注册送 80元体验金 ，按Premium模式算能处理360多页，足够你用了——如果不够，那恭喜你：这是个好项目，也不差这么点费用了。

背后的团队

我又用o3 挖了一下创始团队的背景，发现它能做到这个水平并不意外。

CEO是 金融投资出身 ，之前是Plug and Play（璞跃是全球几个历史最悠久覆盖最广的科技孵化器之一）中国金融科技业务的合伙人，一直在主导上一代金融行业的数字化转型项目，推动了上一代人工智能技术在金融业务场景的落地。

CTO 也更是技术大牛—— 百度前T10级别的技术专家 ，百度知识图谱技术委员会的主席，之前从0-1建立了全球规模最大的中文知识图谱。

这两个人在2023年的时候，基于整个大模型技术（GPT）的兴起，加上两人对行业的共识理解，发现企业大模型落地的过程中， 非结构化数据处理是一个巨大的gap 。

这也解释了为什么他们选择从数据基础设施这个切入点创业。

一个懂业务懂know how 懂痛点，一个懂技术实现，这种组合让EasyDoc既有技术深度，又真正解决实际问题。

实用，且不花哨。

EasyDoc 技术交流群，大佬们都在

写在最后