碰到没见过的版式别慌：文档抽取 Agent 版的"字段维度 Prompt"，才是适配新模板的关键

摘要：

文档抽取（Agent 版）支持字段维度 Prompt 调优，无需重训模板即可适配未知版式，配合实时与异步模型完成归一化抽取。

一、为什么"没见过的版式"是抽取系统的硬骨头

企业每天要处理的文档，版式几乎从不静止。今天合作方换了一版采购单模板，明天风控那边新增一类担保函，后台的规则识别库始终在追赶新格式。处理固定版式的传统思路，是给每一种制式单据预先画好字段位置、写好抽取规则，再按图索骥。

腾讯云文档抽取（基础版）沿的就是这条路：它覆盖 6000+ 种版面的证照单据，在固定位置做高精度、高稳定性的字段提取，对身份证、营业执照这类标准件表现稳定。但这类方案的前提很明确——它只认"你见过的版式"。一旦文档换了个从没配置过的排版，字段位置一变，预先写死的坐标和键值就全部失效，要么抽不到，要么抽错位置。

业务里的麻烦恰恰在于，新模板是常态而非例外。合同、单据、条款的格式随合作方、监管要求和内部制度持续演化，靠堆规则模板去追，总会慢半拍，等模板配好，业务可能已经换了下一版。更棘手的是，同一份文档内部还可能存在跨页表格、嵌套条款，规则模板即便画得出来，维护成本也居高不下。

二、字段维度 Prompt 是怎么把"适配"做轻的

文档抽取（Agent 版）给出的解法，不是再去堆模板，而是把"适配"这件事交给字段维度 Prompt。所谓字段维度 Prompt 调优，是指针对你要抽取的每一个字段，用自然语言或字段描述告诉模型"这一栏要取什么"。模型据此理解字段语义，而不是依赖固定的坐标。

遇到一份全新版式的合同或单据，你不需要先画模板、等训练，只需要描述字段，就能让模型去读。这带来的直接收益是归一化抽取：不同版式、不同措辞的同一类信息（比如不同模板里的"乙方""供方""卖方"），可以被归一成统一的输出字段名。下游系统拿到的是一致的结构，而不是随版式漂移的脏数据。

这也正好对应文档智能"开箱即用与深度定制兼顾"的定位：它既提供标准 API 快速集成，也支持通过 Agent 提示词、字段映射等方式进行深度业务定制，字段维度 Prompt 正是这种定制在抽取环节的体现。同时它保留无需训练、简单配置即可上手的易用性，新模板上线不必等模型重训。

以文档抽取（Agent 版）为例，它面向的就是医疗票据、借贷合同、法律文书、保险条款、征信报告等多页非结构化文档——这些恰恰是版式不固定、急需对未知模板快速适配的场景。

三、实时模型与异步模型，两种入口怎么选

适配未知版式只是第一步，长文档怎么跑得动是另一件事。文档抽取（Agent 版）提供了实时模型与异步模型两种形态，按业务时效性灵活选择。

实时模型对应接口 ExtractDocAgent，适合单页快速抽取，默认限频 5 次/秒，仅支持 PDF 单页识别。它胜在快，适合在线实时补录这类需要立刻拿到结果的场景。

异步模型则把深度语义理解放进来，支持上下文关联、逻辑推理与长文档处理，需要提交任务、查询任务两个接口配合：先用 SubmitExtractDocAgentJob 提交，再用 DescribeExtractDocAgentJob 轮询结果。提交接口 SubmitExtractDocAgentJob 默认限频 1 次/秒，查询接口 DescribeExtractDocAgentJob 默认限频 20 次/秒。通过 FileStartPageNumber 与 FileEndPageNumber 两个参数，可以指定要处理的起止页。

在长文档场景下，Agent 版支持长文档稳定抽取的页数上限为 50 页，多数合同、条款与报告的单次处理都落在这一范围内。

四、和三项通用能力搭配，适配更稳

字段维度 Prompt 解决"怎么读"，但要让抽取结果更贴合业务，还可以和三项通用能力搭配使用。其一是自定义键值：你可以创建个性化 key，模型自动建立图片中文字与 key 的对应关系，对任意版式图片做结构化识别，相当于给模型一份"字段词典"。

其二是智能匹配：上传图片后系统自动配准，把不同版式图片与已发布模板自动匹配，减少人工分类。当一批单据里混着几种版式时，智能匹配先把它们归位，再交给对应的抽取逻辑，省去人工前置分拣。其三是自定义字段类型：针对小写金额、日期、纯数字等内容类型做专项优化，还能穷举可能的输出值范围来智能纠正和规范结果，比如把"二〇二四"统成"2024"。

三者与字段维度 Prompt 不是替代关系，而是各管一段：Prompt 决定"新模板能不能读出来"，字段类型决定"读出来规不规范"，智能匹配决定"混在一起的版式怎么分派"，组合起来，既有接新模板的灵活度，也保住了输出口径的稳定性。

五、接入形态与计费口径

落到工程接入，两种模型对应不同的 Action 与调用节奏。异步文档抽取 Agent 采用提交、查询分离的两步式：

# 异步文档抽取 Agent：提交任务（ImageUrl 传 PDF / 图片地址，用起止页参数圈定范围）
resp = client.SubmitExtractDocAgentJob({
    "ImageUrl": "https://example.com/contract.pdf",
    "FileStartPageNumber": 1,
    "FileEndPageNumber": 20,
    "ItemNames": [
        {"KeyName": "甲方", "KeyPrompt": "合同的甲方主体名称"},
        {"KeyName": "合同金额", "KeyPrompt": "合同总金额，保留币种与数值"}
    ]
})
job_id = resp["JobId"]

# 轮询查询结果
result = client.DescribeExtractDocAgentJob({
    "JobId": job_id
})

实时模型则是直接调用 ExtractDocAgent，传入单页 PDF 或图片即可。计费上，文档抽取（Agent 版）按页计量：后付费首档（月调用量 1 万次以内）自适应价格下，字段数 ≤ 10 的短文本 0.34 元/页，字段数 > 10 的长文本 0.68 元/页；固定价格不限字段数量，统一 0.4 元/页，字段规模大时按固定价格更划算。

六、与基础版怎么分工，成本怎么算

它和文档抽取（基础版）的分工也就清晰了：基础版适合版式固定、量大的标准证照单据，靠规则拿稳定与速度；Agent 版适合版式不固定、需要语义理解的未知模板，靠 Prompt 拿灵活与覆盖。两者不是替代关系，而是按版式稳定度分工，遇到没见过的版式，先调 Prompt 试一版，往往比新建一套规则模板更快见效。

从成本角度看，规则模板的隐性开销常被低估：每一次版式微调，都可能意味着重新标坐标、回归测试与上线评审。字段维度 Prompt 把这部分开销转移到"描述字段"上，配置的边际成本随模板数量增长而平缓，模板越多，优势越明显。对于版式频繁变动的业务，规则库的维护投入会持续累积，而 Prompt 侧的投入要平缓得多。

七、总结

未知版式之所以是抽取系统的硬骨头，根源在于规则模板只认"见过的版式"。文档抽取（Agent 版）的字段维度 Prompt 把适配从"重训模型、重配坐标"简化为"用自然语言描述字段"，让新模板无需训练即可上线抽取，再配合实时与异步两种入口按文档长度分流、自定义字段类型与智能匹配兜住输出口径与混版分拣，未知版式便从接入的拦路虎变成了可快速试跑的一环。它和基础版也不是替代关系，而是按版式稳定度分工——标准件交给规则拿稳定，新模板交给 Prompt 拿灵活。

想先拿一版新模板验证效果，文档抽取（Agent 版）首次开通即发放 1000 次免费额度、一年内有效，用免费额度就能把一份合同或单据的字段抽取跑通一轮，不必一上来就付费；确认效果后再按需放量，可关注 文档智能特惠 的文档抽取（Agent 版）固定价格低折扣档位。