Agentic-doc 终极指南：5个典型使用场景代码示例

邬稳研Beneficient

360人浏览 · 2026-03-20 09:16:49

邬稳研Beneficient · 2026-03-20 09:16:49 发布

Agentic-doc 终极指南：5个典型使用场景代码示例

【免费下载链接】agentic-doc SDK for agentic document extraction and analysis 项目地址: https://gitcode.com/GitHub_Trending/ag/agentic-doc

Agentic-doc 是一个强大的 Python 库，专门用于智能文档提取和分析。这个库封装了 VisionAgent 文档提取 REST API，让开发者能够轻松地从复杂的视觉文档（如表格、图片和图表）中提取结构化数据，并以分层 JSON 格式返回精确的元素位置信息。无论你是处理财务报表、合同文档还是技术手册，Agentic-doc 都能帮你快速提取关键信息，大大提升文档处理效率。😊

📋 为什么选择 Agentic-doc？

Agentic-doc 提供了多项强大功能，使其成为文档处理领域的理想选择：

📦 开箱即用：只需 pip install agentic-doc 即可安装，无需额外配置
📚 长文档支持：能够处理 1000+ 页的大型 PDF 文件
⚡ 并行处理：自动分割大文件并使用线程池并行处理
🔄 自动重试：内置指数退避重试机制，处理 API 错误和速率限制
🧩 结构化输出：返回分层 JSON 和可渲染的 Markdown
👁️ 可视化支持：可保存边界框截图和完整页面可视化

🚀 安装与配置

首先，你需要安装 Agentic-doc 并配置 API 密钥：

pip install agentic-doc

设置环境变量：

export VISION_AGENT_API_KEY=<your-api-key>

🔥 典型使用场景代码示例

1. 从单个文档提取数据（基础使用）

这是最基本的用法，适合处理单个 PDF 或图像文件：

# agentic_doc/parse.py 中的核心函数
from agentic_doc.parse import parse

# 解析本地文件
result = parse("path/to/invoice.pdf")
print(result[0].markdown)  # 获取提取的数据为 Markdown 格式
print(result[0].chunks)    # 获取结构化内容块

# 解析 URL 文档
result = parse("https://example.com/document.pdf")
print(result[0].markdown)

2. 批量处理多个文档（高效批处理）

当需要处理多个文档时，Agentic-doc 提供了高效的批处理功能：

from agentic_doc.parse import parse

# 解析多个本地文件
file_paths = ["invoice1.pdf", "contract2.pdf", "report3.pdf"]
results = parse(file_paths)

for i, result in enumerate(results):
    print(f"文档 {i+1} 提取结果:")
    print(result.markdown)
    print("-" * 50)

# 解析并保存结果到目录
results = parse(file_paths, result_save_dir="./extracted_results")
for result in results:
    print(f"结果保存到: {result.result_path}")

3. 结构化字段提取（智能数据提取）

使用 Pydantic 模型定义要提取的字段，实现精确的结构化数据提取：

# tests/integ/test_parse_integ.py 中的示例模式
from pydantic import BaseModel, Field
from agentic_doc.parse import parse

class InvoiceFields(BaseModel):
    invoice_number: str = Field(description="发票号码")
    invoice_date: str = Field(description="发票日期")
    total_amount: float = Field(description="总金额")
    vendor_name: str = Field(description="供应商名称")
    vendor_address: str = Field(description="供应商地址")

# 使用自定义模型提取结构化数据
results = parse("invoice.pdf", extraction_model=InvoiceFields)
fields = results[0].extraction
metadata = results[0].extraction_metadata

print(f"发票号码: {fields.invoice_number}")
print(f"置信度: {metadata.invoice_number.confidence}")
print(f"总金额: {fields.total_amount}")

4. 连接器集成（多数据源支持）

Agentic-doc 支持多种数据源连接器，让你可以从不同位置访问文档：

# agentic_doc/connectors.py 中的连接器示例
from agentic_doc.parse import parse
from agentic_doc.connectors import (
    GoogleDriveConnectorConfig,
    S3ConnectorConfig,
    LocalConnectorConfig,
    URLConnectorConfig
)

# Google Drive 连接器示例
gdrive_config = GoogleDriveConnectorConfig(
    client_secret_file="credentials.json",
    folder_id="your-folder-id"
)
gdrive_results = parse(gdrive_config, connector_pattern="*.pdf")

# Amazon S3 连接器示例
s3_config = S3ConnectorConfig(
    bucket_name="your-bucket",
    region_name="us-east-1"
)
s3_results = parse(s3_config, connector_path="documents/")

# 本地目录连接器示例
local_config = LocalConnectorConfig(recursive=True)
local_results = parse(local_config, connector_path="/path/to/documents")

# URL 连接器示例
url_config = URLConnectorConfig(timeout=60)
url_results = parse(url_config, connector_path="https://example.com/doc.pdf")

5. 高级功能：可视化与调试

Agentic-doc 提供了强大的可视化工具，帮助你验证提取结果的准确性：

# agentic_doc/utils.py 中的可视化功能
from agentic_doc.parse import parse
from agentic_doc.utils import viz_parsed_document
from agentic_doc.config import VisualizationConfig

# 解析文档
results = parse("complex_document.pdf")
parsed_doc = results[0]

# 创建可视化
images = viz_parsed_document(
    "complex_document.pdf",
    parsed_doc,
    output_dir="./visualizations"
)

# 自定义可视化配置
viz_config = VisualizationConfig(
    thickness=2,
    text_bg_opacity=0.8,
    font_scale=0.7
)

images = viz_parsed_document(
    "complex_document.pdf",
    parsed_doc,
    output_dir="./custom_viz",
    viz_config=viz_config
)

print(f"已生成 {len(images)} 个可视化页面")

⚙️ 配置选项与最佳实践

Agentic-doc 提供了灵活的配置选项，可以根据你的需求进行调整：

# 通过环境变量配置
# .env 文件示例
BATCH_SIZE=4           # 并行处理文件数
MAX_WORKERS=2          # 每个文件的并行工作线程数
MAX_RETRIES=80         # 最大重试次数
MAX_RETRY_WAIT_TIME=30 # 最大重试等待时间
RETRY_LOGGING_STYLE=log_msg  # 重试日志样式

# 通过代码配置
from agentic_doc.config import get_settings

settings = get_settings()
settings.batch_size = 8
settings.max_workers = 4