我要投稿

Coze开源后，我用LLM+OCR做了一个文档智能问答Agent

发布日期：2025-07-31 11:53:24 浏览次数： 2218

作者：PaperAgent

微信搜一搜，关注“PaperAgent”

近期Coze开源的消息刷爆了朋友圈，这对于想通过搭建Agent解决复杂问题的企业开发者而言简直是超大好消息！通过Coze平台，企业用户可以通过零代码或低代码的方式，快速搭建出解放生产力的AI工作流，辅助员工高效完成各类的复杂任务。

今天，我就来分享一个用Coze搭建文档智能问答Bot的保姆级教程。

图片来自扣子官方

我们经常会遇到从产品手册、技术白皮书、合同条款、内部报告……等文档中快速精准地提取所需信息的情况，这时可靠的文档智能问答Bot就能成为我们的得力助手。

文档智能问答机器人能够将静态文档转化为动态知识库，比起原先埋头文档中靠自己阅读记忆，现在我们只需向Bot提问，它就能快速定位并输出文档中相关的精确答案或关键段落。例如：

合同审核：面对冗长的合同，直接询问“付款周期是多久？”或“违约责任条款有哪些？”，Bot能迅速给出答案，省去逐页查找的麻烦。
技术支持：新员工面对复杂设备手册，问“如何重置设备密码？”或“错误代码XX代表什么？”，Bot能立即提供操作步骤或故障解释。
知识检索：在海量的产品文档或研究报告中，提问“报告中关于市场趋势的主要结论是什么？”，Bot能快速定位核心信息并组织语言回答。

尽管直接使用大模型也能进行基础的文档问答，但是，LLM的强大之处在于其卓越的自然语言理解、推理和生成能力，能理解复杂问题、联系上下文甚至进行总结归纳，在文档问答任务的前端环节——特别是光学字符识别（OCR）准确提取扫描件/图片中的文字，以及精准解析复杂PDF结构（如表格、多级标题、页眉页脚）等方面——LLM的精度往往难以匹敌经过专门训练和优化的专有模型。

以下图为例，可以看到LLM和专有模型在扫描件少线表格这一难点上的解析能力差异：

因此，构建一个真正高效、可靠的文档问答Bot，关键在于发挥LLM与专有模型的各自优势，实现协作：利用专有模型高精度完成OCR和文档结构解析，确保原始文本信息被完整、准确地提取；然后将清洗后的文本输入LLM，利用其语义理解和推理能力，精准理解用户问题并从文档上下文中找出或生成最佳答案。

样本原图

样本原图

LLM直接问答 VS. TextIn专有模型解析后问答

LLM直接问答 VS. TextIn专有模型解析后问答

接下来，本文将一步步演示如何在Coze平台上，搭建一个融合专业文档处理能力与LLM智能的文档问答Bot工作流。让我们开始，利用AI工具，让文档中的知识真正“活”起来，服务于你的日常工作。

Step 1：创建智能体

工作空间 -> 项目开发 -> 创建 -> 创建智能体 -> 创建 -> 输入项目名

Step 2：创建工作流

工作流 -> 添加工作流

创建工作流 -> 输入工作流名称和描述

Step 3：工作流配置

添加“插件”

搜索“TextIn” -> 找到“pdf2markdown” -> 添加

Step 4：模块设置

1. 开始模块

类型设置 -> input = File.Default

2. 解析模块

类型设置

url = 开始.input
app_id = Textin.com账号信息，请注册：https://cc.co/16YSVU或登录后前往 “工作台-账号设置-开发者信息” 查看 x-ti-app-id
secret_code = Textin.com账号信息，请登录后前往 “工作台-账号设置-开发者信息” 查看 x-ti-secret-code

Textin.com 获取 app_id和secret_code信息填入

模块输出指向 -> 大模型

3. 大模型模块

大模型 -> 选择 DeepSeek

设置输入参数 -> pdf2markdown -> markdown

输入系统提示词“请根据{{input}}进行内容总结”

4. 结束模块

设置输出 -> 大模型 -> output

Step 5：试运行发布

点击“试运行” -> 上传测试文件 -> 发布

Step 6：添加工作流，开始问答

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-06-18

开源中医 Skill：把倪海厦课程变成可检索知识库

2026-06-18

Gemma 4 QAT 模型现已推出: 支持日常端侧设备与消费级 GPU 本地流畅运行

2026-06-17

GLM-5.2 技术解读：智谱百万上下文的新一代旗舰模型

2026-06-16

26.1%的AI编程技能有漏洞：NVIDIA开源 SkillSpector 能扫出什么？

2026-06-12

当 AI Coding Agent 成为基础设施：我们为什么要开源 LoongSuite Pilot

2026-06-09

CPU 跑得比 Whisper GPU还快的开源语音识别，本地部署

2026-06-09

别再问我什么是爱马仕！

2026-06-09

Open Design：开源界的 Claude Design 替代品，61.7K Star，21+ Agent 都能跑，本地第一

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

Hermes Agent 出来了，聊聊它凭什么跟 OpenClaw 掰手腕

2026-03-30

很多人突然不玩小龙虾而用Hermes Agent了。我替你试了，跟小龙虾到底有啥不同？

2026-04-09

Google Gemma 4 开源｜全面解读

2026-04-03

字节跳动开源 DeerFlow 2.0：下一代超级 Agent 引擎，一键搞定复杂工作流！

2026-03-23

震惊！刚刚，Anthropic掀了桌子：OpenClaude横空出世，大模型闭源时代彻底终结？

2026-04-01

刚刚，Claude Code开源了！51万行代码，全网狂欢

2026-03-31

龙虾绝配：Qwen 3.5 27B！跑在家里，成本为 0

2026-03-30

Ollama 本地部署 Gemma 4 完全指南

2026-04-18

Google Gemini CLI 完整使用指南

2026-04-18

CoPaw深度解析：源码架构和功能实践

2026-03-31

大家都在问

26.1%的AI编程技能有漏洞：NVIDIA开源 SkillSpector 能扫出什么？

2026-06-16

企业级 AI Agent 为什么集体转向“基座 + Skills”？

2026-05-30

Hermes Agent 深度解析：为什么它能“越用越懂你”？

2026-05-16

百度把Nano Banana塞进4090，疯了？

2026-04-22

Kimi K2.6 开源了！还附送了 300 个 Agent 员工？

2026-04-21

Hermes 凭什么两个月接棒 OpenClaw？

2026-04-15

很多人突然不玩小龙虾而用Hermes Agent了。我替你试了，跟小龙虾到底有啥不同？

2026-04-09

震惊！刚刚，Anthropic掀了桌子：OpenClaude横空出世，大模型闭源时代彻底终结？

2026-04-01

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部