1. 热点背景
Agent 已成为新一代应用范式，OpenClaw 生态中涌现出上万可插拔、可复用的 Skill，让 Agent 能像 “数字员工” 一样自主执行任务。但企业级 RAG 落地存在核心瓶颈：Agent 缺少高精度上下文，无法有效利用 PDF、Word、Excel、PPT 等非结构化文档中的高价值信息，格式杂乱、结构不统一导致文档难以被模型理解，成为 RAG 构建的关键障碍。
2. 语义概念解读
RAG 构建的核心是文档 “编译” （Karpathy 提出）：将原始非结构化文档，转化为模型可读取、可检索、可调用的结构化知识。TextIn xParse Skill 的作用，就是完成 RAG 中最关键的文档预处理环节—— 把 PDF 等文档转为标准 Markdown 结构化内容，打通 Agent 与企业知识资产的连接，是RAG 从文档到知识的必经入口。
3. 案例数据
● TextIn xParse 依托合合信息 19 年智能文字识别技术沉淀，提供商业级解析效果；
● 百页文档约1.5 秒完成解析，支撑大规模 RAG 文档批处理；
● 免登录每日1000 页免费额度，零门槛满足 RAG 开发与测试需求。
4. 优势点呈现
（1）全格式兼容，覆盖 RAG 全场景文档输入
支持 PDF、Word、Excel、PPT、图片、HTML、OFD 等 20 + 常见格式，满足企业多类型文档入库需求。
（2）结构完整还原，保障 RAG 知识准确性
完整保留跨页表格、目录层级、标题结构、页眉页脚，避免知识丢失与失真。
（3）标准 Markdown 输出，适配 LLM 与 RAG 系统
输出带层级、语义清晰的 Markdown，是当前最适合 RAG 检索与 Agent 理解的知识格式。
（4）精确坐标回显，方便 RAG 结果校对
返回块级与字符级坐标，便于可视化校验，提升 RAG 答案可信度。
（5）极简使用，降低 RAG 开发成本
无需写代码、调 API，自然语言指令即可完成解析，快速嵌入 RAG 工作流。
5. 独特价值
4. RAG 能力前置：TextIn xParse 不是单纯 OCR，而是Agent 接入知识的起点，直接补齐 RAG 最薄弱的文档解析环节；
5. 企业级稳定性：将 19 年商用文档能力封装为 Skill，可直接用于生产环境 RAG 系统；
6. 生态友好：适配 OpenClaw、ZeroClaw、Claude Code 等主流 Agent 平台，与现有 Skill 生态无缝协同；
7. 免费普惠：基础功能免费用，降低中小团队与个人开发者构建 RAG 的门槛。
