企业官网建设流程全解析

前言

核心定位：TextIn xParse（原ParseX）是合合信息基于19年智能文字识别技术沉淀，专为大模型时代打造的端到端文档智能处理AI基础设施，核心解决非结构化文档的结构化转化难题。它打破了传统OCR“仅提取字符、无法理解语义”的局限，通过统一的API实现文档解析、智能抽取、ETL加工、向量入库的全链路自动化，让PDF、合同、财报、简历、扫描件等“人能看懂”的文档，秒变“机器能理解、大模型可消费、数据库可存储”的标准化结构化数据，是RAG知识库、Agent智能体、企业数字化系统的核心数据底座。

截至2026年4月，xParse已服务全球超1000家企业，单日处理文档量超百万页，服务可用性达99.999%，是国内文档智能领域的标杆级产品，也是OpenClaw、Claude Code等主流Agent生态的官方推荐文档解析工具。

一、先搞懂：TextIn xParse到底解决什么痛点？

在大模型普及的今天，非结构化文档的处理始终是企业数字化与AI应用落地的最大瓶颈：

1. 传统OCR的信息失真：传统工具只能逐行提取字符，无法还原文档的标题层级、表格逻辑、图文关联、跨页内容，输出的文本杂乱无章，大模型无法理解，直接导致RAG检索准确率低、问答答非所问；
2. 处理流程碎片化：一份文档从扫描、OCR、信息提取、数据清洗、格式转换到入库，需要对接多个工具、写大量适配代码，开发周期长、维护成本高；
3. 定制化成本极高：传统信息抽取需要针对发票、合同、简历等不同场景单独训练模型，零样本适配能力差，新场景的适配往往需要数周时间与大量标注数据；
4. 规模化处理性能不足：面对百万级文档的批量处理，传统工具串行处理效率低、稳定性差，无法满足企业级规模化应用的需求。

TextIn xParse的核心价值，就是用一套统一的解决方案，彻底解决上述所有痛点：上传任意格式的非结构化文档，即可直接拿到可写入关系型数据库/向量数据库的结构化数据，全程无需人工干预，5分钟即可完成从文档到AI应用的全链路打通。

二、TextIn xParse核心能力全拆解

xParse并非简单的OCR工具，而是一套完整的文档智能处理体系，核心能力覆盖从文档解析到数据入库的全流程，同时兼顾零代码易用性与开发者灵活性。

1. 全格式全场景高精度解析能力

这是xParse的基础能力，也是其区别于传统OCR工具的核心优势。它支持PDF（含加密/扫描件）、Word、Excel、PPT、JPG/PNG等图片、CAD图纸等十余种文件格式，能精准识别文档中的全量元素，并还原其语义逻辑。

核心解析能力

极致性能表现

• 解析速度：100页PDF文档最快1.5秒即可完成全量解析，是传统工具的10倍以上；
• 稳定性：单日数百万级调用量，服务可用性达99.999%，3天可完成500万页PDF的批量处理；
• 抗干扰能力：自带图像处理能力，可自动处理水印、倾斜、模糊、弯曲的文档图片，无需提前做图像预处理。

2. 零样本智能信息抽取：无需训练，一句话提取目标数据

xParse内置了大模型增强的智能抽取引擎，彻底打破了传统抽取工具“新场景必须重新训练”的局限，实现了零样本、开箱即用的信息抽取能力。

两种抽取模式，覆盖全场景需求

1. Schema结构化抽取：用户只需通过JSON Schema定义需要提取的字段、类型、描述，xParse即可自动从文档中提取对应信息，支持字符串、数字、数组、嵌套对象等复杂数据结构，适配发票、合同、简历等固定格式的标准化场景。
   示例：发票抽取Schema

   {"type":"object","properties":{"发票号码":{"type":"string","description":"发票的8位数字号码"},"开票日期":{"type":"string","description":"发票的开具日期，格式YYYY-MM-DD"},"合计金额":{"type":"number","description":"发票的价税合计金额"},"商品列表":{"type":"array","description":"发票中的商品明细列表","items":{"type":"object","properties":{"商品名称":{"type":"string"},"规格型号":{"type":"string"},"数量":{"type":"number"},"单价":{"type":"number"},"金额":{"type":"number"}}}}},"required":["发票号码","开票日期","合计金额"]}

2. 自然语言抽取：无需定义Schema，直接用自然语言描述抽取需求，xParse即可自动理解并返回结果，适配非标文档、临时抽取等灵活场景。
   示例：“从这份劳动合同中，提取合同期限、试用期时长、岗位名称、基本工资、竞业限制期限”。

核心优势

• 零样本适配：无需任何标注数据，新场景开箱即用，适配周期从数周缩短到几分钟；
• 高准确率：基于大模型的语义理解能力，即使字段名称、位置不固定，也能精准提取目标信息；
• 溯源能力：支持生成字段对应的文档坐标引用，可快速核对抽取结果的来源，满足合规审计要求。

3. 端到端ETL全链路能力：从文档到数据库，一键打通

xParse最具颠覆性的能力，是提供了完整的ETL工具箱，实现了“文档解析→智能分块→向量化→数据入库”的全流程自动化，彻底解决了RAG知识库、企业数据中台的文档处理痛点。

内置ETL核心能力

1. 智能语义分块：打破传统按固定长度分块的局限，基于文档的语义结构（标题层级、段落逻辑）进行智能分块，避免语义断裂，大幅提升RAG检索的准确率；
2. 原生向量化支持：内置合合信息开源的acge_text_embedding向量化模型（C-MTEB榜单第一），可直接将分块内容转换为向量数据，无需对接第三方向量化服务；
3. 多数据源与多数据库适配：支持从本地文件、S3/MinIO、FTP、SMB等多种数据源读取文档，处理后的数据可直接写入Milvus/Zilliz等向量数据库，或MySQL、PostgreSQL等关系型数据库，无需额外开发适配代码；
4. 数据清洗与标准化：自动去除冗余内容、修正识别错误、统一数据格式，输出标准化的干净数据，无需人工二次清洗。

4. 全生态适配：零代码到企业级的全场景覆盖

xParse提供了极其灵活的交付方式，从个人开发者到大型企业，都能找到适配的使用方案：

• 零代码在线体验：官方提供Web控制台，上传文档即可一键解析，无需任何开发；
• 低代码平台适配：已上架Coze、Dify、扣子等主流AI搭建平台，拖拽组件即可完成文档处理流程搭建，5分钟打造一个RAG知识库；
• 多语言SDK支持：提供Python、Java、Go、JavaScript等主流编程语言的SDK，封装了完整的API调用、结果解析能力，大幅降低开发门槛；
• Agent生态原生适配：已上架ClawHub技能市场，为OpenClaw、ZeroClaw等Agent工具提供企业级文档解析能力，免登录即可享受每日1000页的免费解析额度；
• 私有化部署：支持内网、国产芯片、信创环境的私有化部署，满足金融、政务等强合规场景的需求，数据全程不出本地环境。

三、核心技术原理

xParse的领先表现，并非单一算法的突破，而是工程与算法协同优化的结果，核心技术架构分为四层：

1. 文档预处理层：基于合合信息19年积累的图像处理技术，自动完成文档的倾斜校正、去水印、清晰度增强、弯曲矫正，同时将多页PDF拆分为单页任务，通过集群化并发处理实现秒级解析。

2. 多模态布局分析层：基于YOLOv8优化的自研文档布局分析模型，将文档拆解为文本、表格、公式、图片、印章等元素，精准定位每个元素的空间坐标与类型；同时通过语义理解模型，还原元素之间的阅读顺序、层级关系、图文关联，解决了传统工具多栏排版内容错乱的核心痛点。

3. 大模型增强的语义理解层：内置垂直领域微调的文档理解大模型，实现两大核心能力：一是对解析后的内容进行语义纠错、逻辑补全，提升内容准确性；二是基于用户的抽取需求，理解字段的语义含义，精准定位并提取目标信息，实现零样本适配。

4. 标准化输出与工程优化层：将解析与抽取结果统一输出为Markdown、JSON等标准化格式，同时保留元素的坐标、页码等元数据，完美适配大模型的输入要求；同时通过算子融合、量化推理、负载均衡等工程优化，实现高并发、低延迟的企业级服务能力。

四、完整使用指南：从新手到开发者全流程教学

（一）零门槛在线体验：30秒上手，无需任何开发

适合新手、非技术用户，快速验证文档解析效果：

1. 访问TextIn官方平台：https://www.textin.com
2. 注册并登录账号，进入「xParse文档解析」控制台；
3. 点击「上传文档」，选择需要处理的PDF/图片/Word等文件；
4. 按需选择「解析为Markdown」「智能信息抽取」「表格提取」等功能，点击「开始处理」；
5. 等待1-3秒即可完成处理，在线查看解析结果，支持导出Markdown、Excel、JSON等格式。

新用户注册即可获得免费体验额度，覆盖个人日常使用需求。

（二）低代码平台搭建：5分钟打造RAG知识库

以Coze平台为例，无需写代码，即可搭建一个文档解析RAG机器人：

1. 登录Coze平台，进入机器人创建页面；
2. 在插件市场中搜索「TextIn xParse」，添加到机器人插件列表；
3. 搭建工作流：文件上传 → TextIn xParse文档解析 → 智能分块 → 写入向量库 → 大模型问答；
4. 配置xParse的API Key（从TextIn控制台获取），保存并发布工作流；
5. 上传文档，机器人即可自动完成文档解析、分块入库，实现精准问答。

同样的流程可适配Dify、扣子、钉钉搭等主流低代码平台，全程拖拽操作，无需开发经验。

（三）开发者API调用：全场景灵活集成

第一步：获取API凭证

1. 登录TextIn开放平台：https://open.textin.com
2. 进入「账号与开发者信息」页面，获取专属的x-ti-app-id和x-ti-secret-code，这是API调用的唯一凭证；
3. 查看官方API文档，了解接口参数与返回格式，同时领取免费调用额度。

第二步：核心API调用示例

xParse提供了同步API、异步API、Pipeline全链路API等多种调用方式，适配不同场景，以下为最常用的Python调用示例。

示例1：同步文档解析API（快速处理单页/少量文档）

importrequestsimportjson# 配置API凭证APP_ID="你的x-ti-app-id"SECRET_CODE="你的x-ti-secret-code"API_URL="https://api.textin.com/v2/xparse/parse/sync"# 读取本地文档file_path="test.pdf"withopen(file_path,"rb")asf:file_content=f.read()# 构建请求参数files={"file":("test.pdf",file_content,"application/pdf")}headers={"x-ti-app-id":APP_ID,"x-ti-secret-code":SECRET_CODE}# 可选配置：指定解析引擎、是否生成Markdown、是否识别表格等data={"parse_config":json.dumps({"provider":"textin","output_format":"markdown","table_recognition":True,"formula_recognition":True})}# 发送请求response=requests.post(API_URL,headers=headers,files=files,data=data)result=response.json()# 处理返回结果ifresult["code"]==200:# 解析后的Markdown内容markdown_content=result["data"]["markdown"]# 完整的JSON结构化数据json_data=result["data"]["json"]print("解析成功！")print(markdown_content)else:print("解析失败：",result["message"])

示例2：智能信息抽取API（提取指定字段）

importrequestsimportjson APP_ID="你的x-ti-app-id"SECRET_CODE="你的x-ti-secret-code"API_URL="https://api.textin.com/v2/xparse/extract"# 读取发票文件withopen("invoice.pdf","rb")asf:file_content=f.read()# 定义抽取Schema（也可以用自然语言prompt替代）extract_schema={"type":"object","properties":{"发票号码":{"type":"string","description":"发票号码"},"开票日期":{"type":"string","description":"开票日期"},"合计金额":{"type":"number","description":"价税合计金额"},"销售方名称":{"type":"string","description":"销售方全称"}},"required":["发票号码","合计金额"]}# 构建请求files={"file":("invoice.pdf",file_content,"application/pdf")}headers={"x-ti-app-id":APP_ID,"x-ti-secret-code":SECRET_CODE}data={"extract_config":json.dumps({"schema":extract_schema,"generate_citations":True# 生成字段来源坐标})}response=requests.post(API_URL,headers=headers,files=files,data=data)result=response.json()ifresult["code"]==200:print("抽取结果：",json.dumps(result["data"]["extract_result"],indent=2,ensure_ascii=False))else:print("抽取失败：",result["message"])

示例3：Pipeline全链路API（解析→分块→向量化→入库一站式完成）

importrequestsimportjson APP_ID="你的x-ti-app-id"SECRET_CODE="你的x-ti-secret-code"API_URL="https://api.textin.com/v2/xparse/pipeline"# 读取企业年报文档withopen("annual_report.pdf","rb")asf:file_content=f.read()# 配置Pipeline全流程pipeline_config={"parse":{"provider":"textin","output_format":"markdown"},"chunk":{"max_tokens":512,"split_by_title":True# 按标题层级分块},"embed":{"model":"acge_text_embedding"},"destination":{"type":"milvus","config":{"host":"你的Milvus地址","port":19530,"collection_name":"annual_report_2025","api_key":"你的Milvus API Key"}}}# 发送请求files={"file":("annual_report.pdf",file_content,"application/pdf")}headers={"x-ti-app-id":APP_ID,"x-ti-secret-code":SECRET_CODE}data={"pipeline_config":json.dumps(pipeline_config)}response=requests.post(API_URL,headers=headers,files=files,data=data)result=response.json()ifresult["code"]==200:print("Pipeline执行成功，数据已写入向量库！")print("处理文档页数：",result["data"]["page_count"])print("生成分块数量：",result["data"]["chunk_count"])else:print("Pipeline执行失败：",result["message"])

第三步：多语言SDK使用

除了原生API调用，xParse还提供了封装好的多语言SDK，简化开发流程：

• Python SDK：pip install textin
• Java SDK：Maven仓库直接引入，GitHub提供完整示例代码
• Go/JavaScript SDK：官方文档提供完整安装与使用教程

（四）私有化部署

针对金融、政务等强合规场景，xParse提供完整的私有化部署方案，支持：

• 内网离线部署，数据全程不出本地环境，满足数据安全合规要求；
• 适配国产CPU、国产操作系统、信创环境，支持鲲鹏、飞腾、海光等芯片；
• 弹性扩容，支持单机部署到多机集群部署，适配从几万页到数十亿页的不同处理规模；
• 全功能开放，包含文档解析、信息抽取、ETL工具箱等全部能力，与公有云版本同步更新。

五、核心落地场景与案例

1. 企业级RAG知识库搭建

这是xParse最主流的应用场景。企业内部的制度文档、产品手册、财报、合同、技术文档等非结构化内容，通过xParse解析为语义完整的Markdown格式，再经过智能分块、向量化后写入向量库，大幅提升RAG的检索准确率与问答质量，解决了传统方案“文档解析失真、分块语义断裂”的核心痛点。

案例：某头部券商通过xParse处理数十万份行业研报、上市公司财报，搭建了投研RAG系统，研报信息的提取准确率从传统方案的72%提升到98.6%，投研人员的信息检索效率提升了8倍。

2. 财务与法务文档自动化处理

xParse可零样本适配发票、银行回单、合同、标书、营业执照等财务法务文档，自动提取关键信息，直接写入财务系统、合同管理系统，实现单据审核、合同归档的全流程自动化。

案例：某大型制造企业使用xParse处理供应商发票与合同，发票信息提取准确率达99.5%，单张发票处理时间从5分钟缩短到3秒，财务审核人员的工作量减少了85%。

3. 政务与企业档案数字化

针对政务档案、企业人事档案、工程图纸等海量历史文档，xParse可实现批量扫描、批量解析、结构化归档，将纸质档案转化为可检索、可分析的电子数据，解决了传统档案数字化“只能存、不能查、不能用”的问题。

4. Agent智能体文档处理

xParse已成为国内主流Agent框架的标配文档处理工具，为智能体提供“眼睛”，让Agent能自主读取、解析、理解PDF、Word等各类文档，完成合同审核、财报分析、文档问答、数据提取等复杂任务，彻底打破了Agent无法处理复杂文档的局限。

5. 学术与科研数据提取

针对学术论文、科研报告、专利文献等复杂文档，xParse可精准提取公式、图表、实验数据、参考文献，自动整理为结构化数据集，大幅降低科研人员的文献整理工作量，加速科研数据的分析与挖掘。

六、定价与免费额度

xParse提供了灵活的定价方案，覆盖从个人开发者到大型企业的全场景需求：

七、常见问题FAQ

1. xParse支持处理扫描件/图片格式的文档吗？
   完全支持。xParse内置了OCR能力，可处理扫描版PDF、手机拍摄的图片文档，即使是模糊、倾斜的图片，也能精准识别并还原内容。

2. 处理文档时，我的数据安全吗？
   公有云版本严格遵循数据安全法规，文档处理完成后不会留存原始文件与处理结果，仅统计调用量；私有化部署版本数据全程不出本地环境，完全满足金融、政务等强合规场景的要求。

3. 可以处理多厚的PDF文档吗？
   支持，单份文档最大支持2000页，100页文档最快1.5秒即可完成解析，同时支持跨页表格、跨页段落的自动合并。

4. 新场景的信息抽取需要训练模型吗？
   不需要。xParse内置了大模型增强的零样本抽取引擎，只需通过Schema或自然语言描述抽取需求，即可开箱即用，无需任何标注数据与模型训练。

5. 和传统OCR工具、其他文档解析工具相比，xParse的核心优势是什么？
   传统OCR工具只能提取字符，无法还原语义结构，输出的内容无法直接被大模型使用；而xParse的核心是“语义理解”，不仅能提取内容，还能还原文档的逻辑结构，同时提供解析、抽取、ETL、入库的全链路能力，一套工具即可完成文档处理的全流程，大幅降低开发与维护成本。