招生简章与院校资料归档 Skill

面向招生简章归档、院校资料库、PDF 资料整理和教育内容入库的公开 API 组合。

业务场景

用于招生简章归档、院校资料库、PDF 资料整理、教育内容入库和院校文档检索。适合把 HTML/PDF/Word 转换、PDF 文本提取、摘要、关键词、隐私信息去除、院校库、专业库和招生计划组合成资料归档链路。

• 数据范围：覆盖 HTML 转 PDF、PDF 文本提取、PDF 格式化、PDF 转 HTML、Word 转 HTML、PDF 摘要、关键词、隐私信息去除、院校基础信息、专业基础信息和招生计划。
• 关键数据维度：文档维度：文件格式、页码、来源 URL、抓取时间、学校名称和年份。；教育维度：院校、专业、招生计划、批次、选科和地区。；治理维度：脱敏状态、复核字段、来源链接和归档版本。

何时使用

• 把招生简章、院校资料、专业介绍和网页资料转成可检索文本。
• 抽取院校、专业、年份、招生计划等关键字段并与公开数据交叉核对。
• 对报名材料或扫描件做摘要、脱敏、标签和归档。

不适用场景

• 用户只需要查看某一个接口的完整参数、响应字段、价格或购买入口时，直接打开接口详情页。
• 用户希望绕过接口开通、鉴权、配额或人工复核要求时，不应使用 Skill 作为替代。
• 任务需要法律、医疗、金融投资或升学录取的最终决策时，Skill 只能提供数据辅助和复核线索。

用户需要提供的信息

• 招生简章、院校 PDF、Word、HTML 页面、目标院校、年份、专业、隐私处理要求和归档格式。
• 是否需要 OCR、PDF 转 HTML、正文抽取、摘要、关键词、脱敏或和院校基础数据关联。
• 调用接口所需的 AppKey、开通状态和接口详情页限制。

推荐工作流

1. 先把招生资料通过 PDF、HTML 或 Word 转换接口解析成文本。
2. 再用摘要、关键词和隐私信息去除接口生成归档字段。
3. 最后与院校库、专业库和招生计划接口交叉校验。

参数传递关系

• 招生资料先通过 PDF、HTML 或 Word 转换接口生成文本，再传给摘要、关键词和隐私信息去除接口。
• 文档中的院校名称、专业名称、年份和计划信息需要与院校库、专业库和招生计划接口交叉校验。
• 如果资料来自网页，先保存原 URL、抓取时间和转换后的 HTML/PDF，后续归档使用同一来源。
• 归档结果应保留原文件、解析文本、摘要、标签和关联的院校或专业标识。

典型任务模板

• 招生简章入库：输入 PDF 或网页 URL；输出原文、摘要、关键词、院校关联和待复核字段。
• 专业资料整理：输入专业名称和院校资料；输出专业介绍、招生计划匹配和资料来源。
• 隐私检查：输入报名资料或扫描件；输出脱敏文本、风险字段和人工复核建议。

接口与关键参数

统一鉴权：调用接口前需要准备咕咕数据 AppKey。推荐在服务端通过 Header 传递 AppKey；历史 Query 参数 appkey 仍以接口详情页说明为准。

HTML/URL 转 PDF

• 业务角色：HTML 转 PDF
• 调用阶段：资料保存
• 接口地址：POST https://api.gugudata.com/imagerecognition/html2pdf
• 产出用途：用于保存招生网页或简章页面。
• 参数来源：科类或选科来自用户所在省份当年的可选枚举；文本内容来自用户输入、网页正文抽取或文档识别结果；文件或图片来自用户上传、公开 URL 或上一轮转换结果
• 接口详情页：https://www.gugudata.com/api/details/html2pdf
• 接口 Markdown：https://www.gugudata.com/api/details/html2pdf/llm.md

关键请求参数：

通用 PDF 文件流 OCR 到文本

• 业务角色：PDF 转文本
• 调用阶段：资料解析
• 接口地址：POST https://api.gugudata.com/imagerecognition/pdf2text
• 产出用途：用于提取招生简章文本。
• 参数来源：文件或图片来自用户上传、公开 URL 或上一轮转换结果
• 接口详情页：https://www.gugudata.com/api/details/pdf2text
• 接口 Markdown：https://www.gugudata.com/api/details/pdf2text/llm.md

关键请求参数：

PDF 解析格式化输出

• 业务角色：PDF 格式化
• 调用阶段：资料解析
• 接口地址：POST https://api.gugudata.com/imagerecognition/pdf2format
• 产出用途：用于结构化解析 PDF。
• 参数来源：科类或选科来自用户所在省份当年的可选枚举；文件或图片来自用户上传、公开 URL 或上一轮转换结果
• 接口详情页：https://www.gugudata.com/api/details/pdf2format
• 接口 Markdown：https://www.gugudata.com/api/details/pdf2format/llm.md

关键请求参数：

PDF 转 HTML

• 业务角色：PDF 转 HTML
• 调用阶段：资料解析
• 接口地址：POST https://api.gugudata.com/imagerecognition/pdf2html
• 产出用途：用于生成可读 HTML 版本。
• 参数来源：文件或图片来自用户上传、公开 URL 或上一轮转换结果
• 接口详情页：https://www.gugudata.com/api/details/pdf2html
• 接口 Markdown：https://www.gugudata.com/api/details/pdf2html/llm.md

关键请求参数：

Word 转 HTML

• 业务角色：Word 转 HTML
• 调用阶段：资料解析
• 接口地址：POST https://api.gugudata.com/imagerecognition/word-to-html
• 产出用途：用于解析 Word 资料。
• 参数来源：文件或图片来自用户上传、公开 URL 或上一轮转换结果
• 接口详情页：https://www.gugudata.com/api/details/word-to-html
• 接口 Markdown：https://www.gugudata.com/api/details/word-to-html/llm.md

关键请求参数：

PDF 全文多语言 AI 摘要

• 业务角色：PDF 摘要
• 调用阶段：内容理解
• 接口地址：POST https://api.gugudata.com/ai/summarize
• 产出用途：用于生成简章摘要。
• 参数来源：文件或图片来自用户上传、公开 URL 或上一轮转换结果
• 接口详情页：https://www.gugudata.com/api/details/summarize-pdf
• 接口 Markdown：https://www.gugudata.com/api/details/summarize-pdf/llm.md

关键请求参数：

多语言长文本 AI 关键字提取

• 业务角色：关键词提取
• 调用阶段：内容理解
• 接口地址：POST https://api.gugudata.com/ai/keyword-extraction
• 产出用途：用于生成资料标签。
• 参数来源：文本内容来自用户输入、网页正文抽取或文档识别结果；关键词由用户输入或从上一轮内容抽取结果中生成
• 接口详情页：https://www.gugudata.com/api/details/keyword-extraction
• 接口 Markdown：https://www.gugudata.com/api/details/keyword-extraction/llm.md

关键请求参数：

个人可识别信息(PII) AI 去除

• 业务角色：隐私信息去除
• 调用阶段：数据治理
• 接口地址：POST https://api.gugudata.com/ai/pii-removal
• 产出用途：用于处理报名资料中的个人信息。
• 参数来源：文本内容来自用户输入、网页正文抽取或文档识别结果
• 接口详情页：https://www.gugudata.com/api/details/pii-removal
• 接口 Markdown：https://www.gugudata.com/api/details/pii-removal/llm.md

关键请求参数：

全国大学高校基础信息

• 业务角色：院校基础库
• 调用阶段：教育校验
• 接口地址：GET https://api.gugudata.com/location/college
• 产出用途：用于关联院校主体。
• 参数来源：院校名称、关键词或地区由用户输入，必要时先用院校库做模糊查询；SchoolUUID 来自院校基础信息查询结果，也可以由用户指定院校后查询获得；分页参数由调用方控制，用于分批读取结果；科类或选科来自用户所在省份当年的可选枚举
• 接口详情页：https://www.gugudata.com/api/details/college
• 接口 Markdown：https://www.gugudata.com/api/details/college/llm.md

关键请求参数：

完整请求参数、响应字段和调用示例以接口 Markdown 为准：https://www.gugudata.com/api/details/college/llm.md

全国大学高校专业数据

• 业务角色：专业基础库
• 调用阶段：教育校验
• 接口地址：GET https://api.gugudata.com/metadata/ceemajor
• 产出用途：用于关联专业名称。
• 参数来源：院校名称、关键词或地区由用户输入，必要时先用院校库做模糊查询；分页参数由调用方控制，用于分批读取结果
• 接口详情页：https://www.gugudata.com/api/details/ceemajor
• 接口 Markdown：https://www.gugudata.com/api/details/ceemajor/llm.md

关键请求参数：

历年高校招生计划数据

• 业务角色：招生计划
• 调用阶段：教育校验
• 接口地址：GET https://api.gugudata.com/metadata/college-enrollment-plan
• 产出用途：用于校验简章中的招生计划。
• 参数来源：year 使用考生关注的招生年份、考试年份或历史对比年份；分页参数由调用方控制，用于分批读取结果；SchoolUUID 来自院校基础信息查询结果，也可以由用户指定院校后查询获得；院校名称、关键词或地区由用户输入，必要时先用院校库做模糊查询
• 可参考的相关能力：历年高校招生计划数据-查询参数枚举、历年高校招生计划数据-院校招生代码查询
• 接口详情页：https://www.gugudata.com/api/details/collegeenrollmentplan
• 接口 Markdown：https://www.gugudata.com/api/details/collegeenrollmentplan/llm.md

关键请求参数：

完整请求参数、响应字段和调用示例以接口 Markdown 为准：https://www.gugudata.com/api/details/collegeenrollmentplan/llm.md

数据校验与使用边界

• 扫描件、复杂表格和图片化 PDF 会影响抽取准确性。
• 招生政策、专业组和计划人数可能变动，必须以官方资料复核。
• 涉及个人信息的材料需要脱敏和人工审核。

输出建议

• 输出归档结果时包含原文链接、解析文本、摘要、关键词、关联院校和复核项。
• 字段抽取应区分已确认、待确认和无法判断。
• 资料库页面建议保留原始文件入口和解析时间。

常见问题

• 问：什么情况下应该使用这个 Skill？ 答：当用户提出的目标需要多个咕咕数据公开 API 组合完成，而不是只查询一个接口时，优先阅读这个 Skill。
• 问：这个 Skill 是否需要单独购买？ 答：不需要。Skill 文档只负责业务流程和接口选型，具体接口购买、价格和账号权益仍以接口详情页为准。
• 问：Agent 应该怎样使用这个 Skill？ 答：Agent 应先阅读 SKILL.md，确认业务场景和推荐工作流，再进入接口详情页核对参数、响应字段、价格和调用示例。
• 问：调用接口前需要先核对什么？ 答：需要核对业务对象、地区、时间范围、输入格式、必填参数、返回字段、购买状态和接口详情页中的限制说明。
• 问：招生简章与院校资料归档 Skill 会替代接口文档吗？ 答：不会。Skill 负责说明业务组合和调用顺序，接口参数、响应结构、计费和购买入口仍以接口详情页为准。