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：

1. 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
2. 精确定位：coordinates提供了每个元素的准确位置
3. 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 json
from typing import List, Dict

def 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_chunks

def 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

（感觉同步都可，不够自信啊！）

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 asyncio
import aiohttp
from concurrent.futures import ThreadPoolExecutor

asyncdef 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：

1. 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
2. 预处理大文件：超过50MB的文件建议先压缩或分割
3. 缓存解析结果：相同文档不要重复解析
4. 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。