tencentcloud-ocr-extractdocagent

name	tencentcloud-ocr-extractdocagent
description	腾讯云实时文档抽取Agent(ExtractDocAgent)接口调用技能。当用户需要从图片或PDF中按自定义字段名称进行结构化信息抽取时，应使用此技能。支持自定义字段名称、字段类型（KV对或表格字段）和字段提示词，实现灵活的文档信息提取。适用于合同、发票、报告等各类文档的结构化数据抽取场景。
version	1.0.3
display_name	腾讯云实时文档抽取Agent
display_name_en	Tencent Cloud Extract Doc Agent
description_zh	调用腾讯云实时文档抽取Agent接口，支持从图片/PDF中按自定义字段名称进行结构化信息抽取。支持KV对和表格字段两种抽取类型，可通过字段提示词提升准确性。适用于合同、发票、报告等文档的自动信息提取。
description_en	Tencent Cloud ExtractDocAgent API for structured information extraction from images/PDFs. Supports custom field names with KV-pair and table field extraction types. Ideal for contracts, invoices, and reports.
visibility	public

腾讯云实时文档抽取Agent (ExtractDocAgent)

用途

调用腾讯云OCR实时文档抽取Agent接口，支持从图片/PDF中按用户自定义的字段名称进行结构化信息抽取。模型参数更小，速度更快，适用于对实时性要求高（30秒以内）且输入输出Token在2000以内的场景。

核心能力：

• 自定义字段抽取：支持用户自定义需要抽取的字段名称
• KV对抽取：支持键值对形式的信息抽取（KeyType=0）
• 表格字段抽取：支持表格形式的信息抽取（KeyType=1）
• 字段提示词：支持为每个字段提供描述/提示词，提升抽取准确性
• PDF支持：支持PDF文件的单页文档抽取
• 多格式输入：支持PNG、JPG、JPEG、BMP、PDF格式

官方文档：https://cloud.tencent.com/document/api/866/126442

使用时机

当用户提出以下需求时触发此技能：

• 需要从文档图片/PDF中抽取指定字段的结构化信息
• 需要从合同、发票、报告等文档中提取特定内容
• 需要按自定义字段名进行文档信息提取
• 涉及文档结构化抽取的任何场景
• 需要同时抽取KV对和表格形式的信息

环境要求

• Python 3.6+
• 依赖：tencentcloud-sdk-python（通过 pip install tencentcloud-sdk-python 安装）
• 环境变量：
  • TENCENTCLOUD_SECRET_ID：腾讯云API密钥ID
  • TENCENTCLOUD_SECRET_KEY：腾讯云API密钥Key

使用方式

运行 scripts/main.py 脚本完成文档结构化信息抽取。

请求参数

参数	类型	必填	说明
ImageBase64	str	否(二选一)	图片/PDF的Base64值，编码后不超过10M，分辨率建议600*800以上，支持PNG/JPG/JPEG/BMP/PDF，像素需介于20-10000px
ImageUrl	str	否(二选一)	图片/PDF的URL地址，都提供时只使用ImageUrl
ItemNames	list of ItemNames	是	自定义抽取字段列表，至少提供一个
PdfPageNumber	int	否	PDF页码，仅支持单页识别

ItemNames 结构：

字段	类型	必填	说明
KeyName	str	是	要提取的字段名称，不能为空
KeyType	int	否	默认0；0=KV对，1=表格字段
KeyPrompt	str	否	字段描述/提示词，用于提升抄取准确性