同一份 PDF，输出 JSON 还是 Markdown？一份文档两种结构化结果，差出整条下游链路

摘要：

多模态解析（文档版）一次调用可同时返回 JSON 与 Markdown：Markdown 适配知识库切分与阅读顺序，JSON 适配程序化字段与坐标处理。

一、同一份文档，下游要的不是同一种"结构化"

同一份 PDF 合同喂进系统，下游两拨人想要的东西完全不同。知识库工程师想把它切成带层级、带阅读顺序的段落，直接灌进 RAG；后端开发想按字段把金额、日期、主体名抽出来，写进数据库做业务校验。这两拨人的诉求，对应着两种不同的"结构化结果"形态。

以腾讯云文档智能为例，多模态解析（文档版）一个接口就能同时输出多种格式，但选哪种、怎么用，决定了下游链路怎么搭。格式是链路的起点，同一次解析的结果，要按下游的消费方式分头给出。

二、Markdown：为知识库与 RAG 阅读顺序而生

Markdown 对应 ResultType 2，是面向"人读"与"语义切分"的形态。它保留文档的阅读顺序与标题层级，把正文、表格、段落按自然结构组织成文本，而不是把版面拍平成一段乱序字符。

这正是知识库与 RAG 前处理想要的：下游切分器能顺着 Markdown 的标题层级（如一级、二级标题）做语义切块，跨页的章节不会被拦腰截断，列名与数值也不会因为格式丢失而失联。多模态解析（文档版）的输出本身就带阅读顺序与层级结构，Markdown 正是这类结构的承载格式，返回的 zip 压缩包里 .md 文件就是它的产物。

对知识库场景而言，Markdown 的核心价值是"保序"。一份几十页的产品手册进入知识库，若标题层级丢失，检索时不同章节的内容就会混在一起，一个问题可能召回好几个不相关片段，答案准确度随之下降。用 Markdown 承载结构，下游切分才有层级可依，检索质量也才有保障。

三、JSON：为程序化字段消费与坐标处理而生

JSON 对应 ResultType 1，是面向"机器消费"的形态。它把文档拆成结构化字段，并携带版面层级与坐标信息，方便程序按 key 直接取值、做校验或落库，是业务系统接入的主形态。

多模态解析（文档版）支持是否返回坐标的开关，开启后 JSON 会带上每段内容在原始页面上的位置，便于审核时回跳原文核对。配合字段维度 Prompt 调优，还能把未知版式归一化成统一字段。

对后端开发而言，JSON 的价值是"可编程"：抽取出的主体、金额、期限可直接映射进数据表，落库前就能按字段做必填与格式校验；坐标让每条结果都能指回原文的具体位置，复核与审计时不必重新通读全文。

四、一次调用拿三种格式：ResultType=9 的省事写法

多模态解析（文档版）默认一次性给全：ResultType 9 表示 json + markdown + xml 同时输出，这也是接口的默认值。

ResultType 还支持单独取某一种：1 为 json、2 为 markdown、3 为 xml。下游按需从 zip 里挑文件——.md 给知识库，.json 给业务系统，images 文件夹保存解析出的页面图片资源。接口默认的 TaskType 为 0（文档解析），覆盖的就是这类整份文档的结构化场景。

结果以 zip 形式返回，ResultUrl 是临时下载地址，有效期仅 30 分钟。拿到链接后要及时下载落盘；过期只能重新发起解析，它不适合当作长期存储地址。

五、怎么选：先看下游链路，再定 ResultType

落到选型，原则很朴素：先看下游要什么，再定取哪种格式。

多模态解析（文档版）支持 PDF、Word、PPT、Excel、Markdown、TXT、图片、WPS 八类格式，单次调用最多 300 页，无论选哪种 ResultType，整份文档都解析一次完成。真实项目里更常见的做法是直接取默认的 ResultType 9：一次解析同时拿到三种格式，知识库与业务系统各取所需，也省去为不同链路重复发起解析的调用成本与等待时间。

六、总结

同一份 PDF 经多模态解析（文档版），可以既是 Markdown 也是 JSON：前者喂给知识库保住阅读顺序，后者喂给业务系统做字段落库，格式选对，下游链路才顺。剩下的一步是拿真实文档把双格式链路跑通一轮——多模态解析（文档版）首次开通即发放 1000 页免费额度、一年内有效，用免费额度就能完成一次完整的双格式链路验证，不必一上来就付费；确认链路后再按需放量，可关注 文档智能特惠活动 的低折扣档位。