$ loading_
将各类文档解析、增强并切分为适合 AI 使用的结构化数据
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "Unstructured Transform" MCP 服务： 执行：claude mcp add --transport http 'io-unstructured-transform' 'https://mcp.transform.unstructured.io'
请把这批合同文档解析为结构化数据，提取标题、日期、甲乙方信息，并按段落切分为适合后续 AI 检索的片段。
输出包含关键信息字段和分块结果的结构化文档数据。
将这些产品说明文档进行解析、清洗、分块，并生成可用于向量检索的嵌入数据。
输出可直接用于知识库索引和语义检索的数据结果。
把这些研究资料转成 AI 可用格式，完成解析、内容增强和分块，便于后续问答系统调用。
输出经过处理的结构化内容，便于大模型理解与调用。
开发者或研究人员可先将原始文档解析、增强并切分，再交给向量库或问答系统使用。这样能把杂乱文档转成更适合 AI 消费的数据。
数据分析师可用它把不同来源的文档统一转换为结构化数据，便于后续分析、检索或自动化处理。它适合处理文档到数据的预处理环节。
在搭建 RAG 或文档问答应用时，可先对文档做分块和嵌入，生成 AI-ready 数据。这样有助于后续语义搜索与上下文调用。
它用于把文档转换为结构化、适合 AI 使用的数据。给定描述提到的能力包括解析、增强、分块和嵌入。
可以，原始描述明确说明输出是 AI-ready data。由于还提到分块和嵌入，因此它适合文档检索或 RAG 前处理场景。
当前未提供安装文档或前置条件信息。具体安装方式、运行环境或密钥要求请见源码仓库。
用大模型从非结构化文档中提取数据，适用于 API 部署与 ETL 流程。
将杂乱文本提取并规范为可信的严格 JSON Schema 结构
将 PDF 提取为 Markdown、RAG 分块和带引用表格
将 PDF 和图片解析为 Markdown、OCR 文本及票据结构化字段
帮助用户校验、清洗、转换并合并结构化数据集与文本内容
通过 MCP 接口完成文档转换、提取与处理，提升 AI 办公效率。