准备交给 Coding Agent 执行？先阅读 AI 接入指南，确认接口契约与调用边界。

企业知识库与文档问答 Skill

面向企业知识库、RAG 数据准备、文档问答、资料归档和内部搜索的公开 API 组合。

业务场景

用于企业知识库、RAG 数据准备、文档问答、制度资料归档和内部搜索。适合把 PDF/Word/HTML 解析、OCR、摘要、关键词、实体、隐私信息去除和知识库问答组合成可追溯的企业知识处理链路。

数据范围：覆盖知识库问答、PDF 文本提取、PDF 结构化、PDF 转 HTML、Word 转 HTML、HTML 转 Word、PDF 摘要、文本摘要、关键词、实体识别、隐私信息去除和多语言纠错。
关键数据维度：文档维度：文件名、格式、页码、来源 URL、更新时间和权限边界。；内容维度：正文、标题、摘要、关键词、实体、章节和问答片段。；治理维度：脱敏要求、引用来源、人工复核和可访问范围。

何时使用

把分散的 PDF、Word、HTML 和网页资料整理成可检索文本。
为企业制度、产品手册、客服资料和培训材料生成摘要、标签和问答上下文。
在问答输出中保留来源文件、页码或段落线索，降低幻觉风险。

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

PDF、Word、HTML、网页或纯文本资料，以及知识库主题、权限边界、语言、脱敏要求和问答目标。
是否需要 OCR、摘要、关键词、实体、问答、格式转换或隐私信息处理。
调用接口所需的 AppKey、开通状态和接口详情页限制。

参数传递关系

文件先通过 PDF、Word 或 HTML 解析接口转换成可检索文本，并保留文件名、页码、段落和来源 URL。
正文继续传给隐私信息去除、摘要、关键词和实体接口，生成入库元数据。
知识库问答使用整理后的文档片段、知识库 ID 或业务主题作为上下文，回答时必须返回来源文件或段落线索。
需要对外发布时再使用纠错或格式转换接口生成可读版本。

典型任务模板

知识库入库：输入一批 PDF 或 Word；输出文档文本、摘要、关键词、实体、脱敏结果和入库字段。
制度问答：输入用户问题和知识库范围；输出答案、引用来源、缺失证据和人工复核建议。
资料归档：输入 HTML 或网页 URL；输出可归档 HTML、摘要和标签。

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。AppKey 应从环境变量或凭据管理系统注入，不要写入 SKILL.md、代码仓库、URL、日志或对话正文。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。

AI RAG 文档知识库问答

业务角色：知识库问答
调用阶段：问答输出
接口地址：POST https://api.gugudata.com/ai/knowledge-bases/{knowledge_base_id}/chat/completions
产出用途：用于围绕企业资料和知识库上下文回答问题。
参数来源：知识库标识来自已创建的企业知识库或当前资料归档任务
可参考的相关能力：删除知识库会话、删除知识库文档、上传知识库文档
接口资料：详情页 https://www.gugudata.com/api/details/knowledge-chat；接口 Markdown https://www.gugudata.com/api/details/knowledge-chat/llm.md

关键请求参数：

参数	必填	类型	默认值	说明	来源与传递
`knowledge_base_id`	是	`string`	default	知识库标识，路径参数，最长 80 个字符。在 URL 路径中填写，例如 default。问答时应与上传文档时的知识库一致。	知识库标识来自已创建的企业知识库或当前资料归档任务
`messages`	是	`array`	-	消息数组，最多 20 条；最后一条必须为 user 消息。至少 1 条，每条必须包含 role 和 content。role 支持 user、assistant、system。content 支持纯文本或文本项数组，每个文本项须提供 type=text 和 text。单条文本最多 2000 字符，所有消息文本合计最多 12000 字符，整个 JSON 请求体最多 64 KiB。最后一条 user 消息是本轮问题，之前的 user 和 assistant 消息可提供上下文。	由用户输入、业务筛选条件或上一轮接口结果确定。
`model`	否	`string`	gugudata-knowledge-chat	固定为 gugudata-knowledge-chat。省略时使用 gugudata-knowledge-chat。	由用户输入、业务筛选条件或上一轮接口结果确定。
`thread_id`	否	`string`	-	会话标识，不传时创建新会话，最长 120 个字符。继续对话时使用上次响应中的 thread_id，并保持业务分组和知识库一致。	由用户输入、业务筛选条件或上一轮接口结果确定。
`tenant_id`	否	`string`	default	客户侧业务分组标识，默认 default，最长 80 个字符。用于区分项目、产品或客户等业务分组。问答与上传应使用同一个分组。	由用户输入、业务筛选条件或上一轮接口结果确定。
`stream`	否	`boolean`	false	是否使用 SSE 流式响应，默认 false。 false 返回完整 JSON。true 返回 text/event-stream，依次读取 choices[0].delta.content；成功时在终块读取 sources 和 usage，随后收到 data: [DONE]。	由用户输入、业务筛选条件或上一轮接口结果确定。
`top_k`	否	`integer`	6	引用片段数量，范围 1 至 12，默认 6。表示请求检索的来源片段数量。实际返回数量可少于该值，详见 sources。	由用户输入、业务筛选条件或上一轮接口结果确定。

通用 PDF 文件流 OCR 到文本

业务角色：PDF 转文本
调用阶段：文档解析
接口地址：POST https://api.gugudata.com/imagerecognition/pdf2text
产出用途：用于提取 PDF 文档文本。
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
接口资料：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：

参数	必填	类型	默认值	说明	来源与传递
`pdffile`	是	`string/binary`	-	multipart 单个未加密 PDF；20 MiB、20 页。APPKEY 可通过 Query、multipart appkey、AppKey/X-GUGUDATA-APPKEY/X-API-Key 请求头或 Bearer 传递；同值允许，冲突返回 501。	文件或图片来自用户上传、公开 URL 或上一轮转换结果

PDF 解析格式化输出

业务角色：PDF 格式化
调用阶段：文档解析
接口地址：POST https://api.gugudata.com/imagerecognition/pdf2format
产出用途：用于解析 PDF 结构化内容。
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
接口资料：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：

参数	必填	类型	默认值	说明	来源与传递
`type`	是	`string`	无	text、html、xml 或 tag；按当前格式能力解析，不进行 OCR。	由用户输入、业务筛选条件或上一轮接口结果确定。
`pdffile`	是	`string/binary`	无	上传一个实际 PDF 文件；通过 multipart/form-data 发送文件内容，不是服务器路径或 URL。	文件或图片来自用户上传、公开 URL 或上一轮转换结果

PDF 转 HTML

业务角色：PDF 转 HTML
调用阶段：文档解析
接口地址：POST https://api.gugudata.com/imagerecognition/pdf2html
产出用途：用于把 PDF 转成可读 HTML。
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
接口资料：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：

参数	必填	类型	默认值	说明	来源与传递
`file`	是	`string/binary`	-	multipart 单个 PDF 文件；最大 20 MiB、100 页，不支持加密和扫描型 PDF。	文件或图片来自用户上传、公开 URL 或上一轮转换结果
`storage`	否	`string`	public	public 返回 HTML 地址；private 返回既有文件引用。支持表单或 Query，同值允许，冲突拒绝。	由用户输入、业务筛选条件或上一轮接口结果确定。

Word 转 HTML

业务角色：Word 转 HTML
调用阶段：文档解析
接口地址：POST https://api.gugudata.com/imagerecognition/word-to-html
产出用途：用于把 Word 文档转换成 HTML。
参数来源：URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性；文件或图片来自用户上传、公开 URL 或上一轮转换结果
接口资料：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：

参数	必填	类型	默认值	说明	来源与传递
`url`	否	`string`	-	历史表单 URL 模式：公开 HTTP/HTTPS Word 地址；与 file 互斥，不支持本地或内网地址。	URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性
`file`	否	`string/binary`	-	一个未加密的 DOC/DOCX 文件；file 与 url 必须二选一。上传请求不超过 100 MiB。	文件或图片来自用户上传、公开 URL 或上一轮转换结果
`storage`	否	`string`	public	public 返回 html_url；private 返回 html_file，需所有者生成短期下载链接。支持 Query 或表单，冲突拒绝。	由用户输入、业务筛选条件或上一轮接口结果确定。

HTML 转 Word

业务角色：HTML 转 Word
调用阶段：文档输出
接口地址：POST https://api.gugudata.com/imagerecognition/html2word
产出用途：用于输出 Word 版本资料。
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；文件或图片来自用户上传、公开 URL 或上一轮转换结果
接口资料：详情页 https://www.gugudata.com/api/details/html2word；接口 Markdown https://www.gugudata.com/api/details/html2word/llm.md

关键请求参数：

参数	必填	类型	默认值	说明	来源与传递
`type`	是	`string`	无	HTML 为直接正文，URL 为公开网页地址；保留现有大小写兼容。	由用户输入、业务筛选条件或上一轮接口结果确定。
`content`	是	`string`	无	与 type 对应的完整 HTML 或公开 HTTP/HTTPS URL。	文本内容来自用户输入、网页正文抽取或文档识别结果
`filename`	否	`string`	无	可选输出文件名称，不含扩展名；实际输出为 DOCX，不接受服务器路径。	文件或图片来自用户上传、公开 URL 或上一轮转换结果
`storage`	否	`string`	public	public 返回下载地址；private 返回当前应用所属的私有文件引用。	由用户输入、业务筛选条件或上一轮接口结果确定。

PDF 全文多语言 AI 摘要

业务角色：PDF 摘要
调用阶段：文本理解
接口地址：POST https://api.gugudata.com/ai/summarize
产出用途：用于生成 PDF 文档摘要。
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
接口资料：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：

参数	必填	类型	默认值	说明	来源与传递
`file`	是	`string/binary`	-	一个未加密的文本型 PDF，最大 30 MiB、500 页；兼容历史字段 pdf_file，不能同时上传；扫描件请先进行 OCR。	文件或图片来自用户上传、公开 URL 或上一轮转换结果
`lang`	否	`string`	zh	有效语言代码，如 zh、en；缺省或空值使用 zh。	由用户输入、业务筛选条件或上一轮接口结果确定。
`streaming`	否	`boolean`	false	默认 false；true 按 SSE 接收文本片段、完整结果和 [DONE]；失败不发送成功终态。	由用户输入、业务筛选条件或上一轮接口结果确定。

文本多语言 AI 摘要

业务角色：文本摘要
调用阶段：文本理解
接口地址：POST https://api.gugudata.com/ai/text-summarize
产出用途：用于生成文本摘要。
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
接口资料：详情页 https://www.gugudata.com/api/details/summarize-text；接口 Markdown https://www.gugudata.com/api/details/summarize-text/llm.md

关键请求参数：

参数	必填	类型	默认值	说明	来源与传递
`textContent`	是	`string`	N/A	非空文本正文，支持表单与历史 JSON；不可放在 Query，参数不可重复。	文本内容来自用户输入、网页正文抽取或文档识别结果
`streaming`	否	`boolean`	false	默认 false；true 按 SSE 接收文本片段、完整结果和 [DONE]；失败不发送成功终态。	由用户输入、业务筛选条件或上一轮接口结果确定。
`lang`	否	`string`	zh	有效语言代码，如 zh、en、ja；缺省或空值使用 zh。	由用户输入、业务筛选条件或上一轮接口结果确定。

AI 文本关键词提取

业务角色：关键词提取
调用阶段：文本理解
接口地址：POST https://api.gugudata.com/ai/keyword-extraction
产出用途：用于生成文档标签。
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
接口资料：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：

参数	必填	类型	默认值	说明	来源与传递
`textContent`	是	`string`	无	需要提取关键词的非空文本。	文本内容来自用户输入、网页正文抽取或文档识别结果
`keywordMaxLength`	否	`integer`	5	正整数，作为模型的关键词长度提示，不是输出硬限制；缺省、空字符串或 null 使用 5。	关键词由用户输入或从上一轮内容抽取结果中生成
`streaming`	否	`boolean`	false	true 返回 SSE；false 返回完整 JSON。	由用户输入、业务筛选条件或上一轮接口结果确定。

NLP 命名实体识别

业务角色：实体识别
调用阶段：文本理解
接口地址：POST https://api.gugudata.com/text/entityrecognition
产出用途：用于抽取组织、产品、地点等实体。
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
接口资料：详情页 https://www.gugudata.com/api/details/nlpentityrecognition；接口 Markdown https://www.gugudata.com/api/details/nlpentityrecognition/llm.md

关键请求参数：

参数	必填	类型	默认值	说明	来源与传递
`content`	是	`string`	-	待识别文本，最长 4,000 个字符。	文本内容来自用户输入、网页正文抽取或文档识别结果
`entityTypes`	否	`string[]\|string`	-	可选 PER、LOC、ORG、MISC 及兼容别名，支持数组或英文逗号分隔字符串。	由用户输入、业务筛选条件或上一轮接口结果确定。

个人可识别信息 (PII) 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：用于对入库文本做隐私字段处理。
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
接口资料：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：

参数	必填	类型	默认值	说明	来源与传递
`content`	是	`string`	-	非空字符串，最多 4000 个 UTF-16 字符单元；保留空格和换行。	文本内容来自用户输入、网页正文抽取或文档识别结果
`streaming`	否	`boolean`	false	布尔值，默认 false；true 在处理完成后按流式协议接收脱敏文字和完整结果。	由用户输入、业务筛选条件或上一轮接口结果确定。

多语言文本 AI 纠错格式化

业务角色：文本纠错
调用阶段：文本清洗
接口地址：POST https://api.gugudata.com/ai/grammar-correction
产出用途：用于对外输出前做语言纠错。
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
接口资料：详情页 https://www.gugudata.com/api/details/grammar-correction；接口 Markdown https://www.gugudata.com/api/details/grammar-correction/llm.md

关键请求参数：

参数	必填	类型	默认值	说明	来源与传递
`textContent`	是	`string`	无	需要校对的非空白文本。原文无需修改时也可正常返回；不增加语言或纠错力度选项。	文本内容来自用户输入、网页正文抽取或文档识别结果
`streaming`	否	`boolean`	false	false 同步返回；true 沿用文本片段、done.full_text 和 event:end/[DONE] 的 SSE 格式。	由用户输入、业务筛选条件或上一轮接口结果确定。

失败处理与恢复

缺少必填输入或数据口径不明确时，停止调用并先向用户补齐信息。
收到 401 或 403 时，检查 AppKey、安全配置和服务权限；不要在输出中回显凭据。
收到 429 时，遵守接口返回的限流提示，降低频率后再试，不要并发放大请求。
遇到网络或 5xx 异常时，只对幂等请求进行有限次数重试，并记录失败接口与时间。
数据为空或多接口结果冲突时，返回已确认事实、证据缺口和复核建议，不要臆造结论。

数据校验与使用边界

知识库回答必须说明依据来源；没有证据时应返回无法判断。
隐私信息去除只能作为处理步骤，不等同于完整合规审计。
扫描件和复杂表格可能影响 OCR 与结构化结果，需要人工抽检。

输出建议

输出入库结果时包含来源、摘要、标签、实体、脱敏状态和失败项。
输出问答结果时包含答案、引用片段、来源文件和缺失证据。
对低质量文档标注页码、图片质量和需人工复核字段。

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：企业知识库与文档问答 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。

企业知识库与文档问答 Skill

业务场景

何时使用

不适用场景

用户需要提供的信息

推荐工作流

参数传递关系

典型任务模板

接口与关键参数

AI RAG 文档知识库问答

通用 PDF 文件流 OCR 到文本

PDF 解析格式化输出

PDF 转 HTML

Word 转 HTML

HTML 转 Word

PDF 全文多语言 AI 摘要

文本多语言 AI 摘要

AI 文本关键词提取

NLP 命名实体识别

个人可识别信息 (PII) 去除

多语言文本 AI 纠错格式化

失败处理与恢复

数据校验与使用边界

输出建议

常见问题