得理 OCR 文件解析

Instructions

将文件转换为可继续分析的 Markdown 或文本。默认把当前 Agent / 平台的文件解析能力放在第一优先级；得理 OCR 只作为兜底能力。

1. 先尝试原生解析

对每个文件先使用当前 Agent 或平台已有能力解析：

• PDF：先尝试平台 PDF 解析、pdfplumber、PyMuPDF 或同类本地解析。
• 图片或扫描件：先尝试平台视觉模型、多模态识别或内置 OCR 工具。
• Office / 表格：先尝试平台能力或 python-docx、openpyxl、CSV/JSON 解析。
• 文本、HTML、Markdown：直接读取或转换，不调用 OCR。

满足以下条件时，视为原生解析成功，不要调用得理 OCR：

• 提取文本非空，且不是大量乱码、重复页眉页脚或无意义字符。
• 扫描版 PDF 的关键页已经得到可读文字。
• 用户没有明确要求改用得理 OCR。

2. 失败时再调用得理 OCR

只有出现以下情况才使用 scripts/parse_file.py：

• 扫描版 PDF、图片、OFD 或票据图片无法被当前 Agent 解析。
• 原生解析结果为空、缺页、乱码、表格/票据关键信息无法识别。
• 用户明确说“用得理 OCR”“调用我们 OCR 接口”“这个文件 agent 解析不了”“扫描版识别一下”。

运行示例：

python3 scripts/parse_file.py <input_file> --output_dir <output_directory> --save-response

常用参数：

• --lang zh-cn+en：OCR 语言，默认中文加英文。
• --task-type file_parsing：接口任务类型，默认通用文件解析；也可按场景设为 pdf_to_markdown、image_ocr、document_ocr。
• --save-response：同时保存接口原始 JSON，便于排查。

输出：

• <原文件名>.md：可继续交给其他 skill 或 Agent 分析的 Markdown。
• <原文件名>.ocr.json：仅在 --save-response 时生成的接口响应。

3. 批量文件处理

对目录中的多个文件逐个判断，避免对已经能解析的文件重复调用 OCR。推荐输出到单独目录：

parsed/
├── 01_合同扫描件.md
├── 02_付款回单.md
└── raw_response/

后续证据整理、合同审查、法律意见书等任务应直接使用已解析的 Markdown / 文本结果。

支持格式

得理接口支持以下上传格式：

如果文件格式不支持，先提示用户转换格式，不要调用接口。

配置步骤

1. 前往 https://open.delilegal.com/personal/keys 注册/登录
2. 创建应用并获取 API Key
3. 将 API Key 填入技能目录下的 config.json 文件：

```json

{

"apikey": "你的API Key"

}

```

> ⚠️ 未配置 API Key 时，不得执行检索，必须先提示用户：

> "config.json 中的 apikey 尚未配置。请前往 https://open.delilegal.com/personal/keys 创建 API Key，并填入技能目录下的 config.json 文件中。"

配置说明：

• apikey：得理开放平台 API Key。
• openapiBaseUrl：可选，用于覆盖默认接口地址；正式环境通常不需要配置。
• 兼容旧环境变量：EVIDENCE_OCR_API_URL、EVIDENCE_OCR_API_TOKEN、EVIDENCE_FILE_API_TOKEN、AILAWYERS_API_KEY。

使用注意

1. 不要因为 config.json 已配置 apikey 就自动调用得理 OCR。
2. 不要把大段解析文本通过命令行参数传给其他脚本；先写入 .md 或 .txt 文件。
3. 始终保留原始文件，不要原地覆盖。
4. OCR 结果必须提醒用户复核，尤其是金额、日期、姓名、案号、发票号码和银行账号。
5. 处理敏感材料时，只输出任务所需的解析结果，不在对话中粘贴完整隐私内容。