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： 1902

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

2026-01-31

安利一个Moltbot Skills技能库,GitHub上线一天狂揽2.7k+Star

2026-01-30

打造Jarvis，OpenClaw很野，但Agent Studio简直变态

2026-01-30

Clawdbot再次更名：新名OpenClaw，官宣支持Kimi K2.5和小米MiMo

2026-01-30

阿里开源Qwen3-TTS：97毫秒超低延迟，让AI声音说出个性

2026-01-30

重磅开源！Kimi K2.5 本地部署全攻略：手把手教你跑通 1T MoE 巨兽

2026-01-30

深度解析：Moltbot 底层架构

2026-01-30

闭眼冲！Vue 生态 Skills 全家桶！@Anthony Fu 力作！

2026-01-30

‌一键部署，保姆级教程：华为云上线Moltbot(原Clawdbot)

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

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

Clawdbot 完整安装教学：2026 年最火的开源AI 个人助理

2026-01-27

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

豆包手机同款AutoGLM硬核开源：AI如何用“眼睛+大脑+手”接管你手机

2025-12-10

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

SkillsMP：一个聚合了 5 万+ AI Agent 技能的开源社区

2026-01-12

最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

2025-11-07

我把Claude Code换成GLM-4.7用了6小时，我竟然没发现明显区别

2025-12-23

Claude Code最强开源对手！GitHub 50.2k Star了，作者为它烧掉2.4w美元。

2026-01-06

把任何文档变成Claude的新技能，这个开源工具火了。

2025-11-06

大家都在问

一夜爆火，Clawdbot是否才是真正的AI入口产品？

2026-01-28

Clawdbot爆火：Karpathy点赞的开源AI助理，到底是什么？

2026-01-26

速递 | DeepSeek突然扔出MODEL1，这到底是V4还是R2？

2026-01-21

DeepSeek-R2要来了？

2026-01-21

TranslateGemma-27B谷歌开源翻译模型有多强？

2026-01-20

构建开放智能体生态：AgentScope 如何用 A2A 协议与 Nacos 打通协作壁垒？

2026-01-16

又是量化基金，第二个DeepSeek时刻到来了？

2026-01-02

被 Gemini 官方推荐为下一代Agent！Eigent 如何实现企业级浏览器自动化？

2025-12-24

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 提示词框架提示词技巧 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智能化改造 AI+医疗 MaxKB Palantir Glean

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