OpenClaw 有价值应用（2026-05-10）：多Agent文档智能抽取与知识结构化流——把手动整理文档变成系统化知识资产

场景演示

你是否有这样的困扰：

• 每周收到大量行业报告、合同文档、政策文件，手动整理耗时巨大
• 不同来源的文档格式各异（Word、PDF、网页），提取关键信息效率极低
• 整理后的知识点散落各处，下次找要用时根本想不起来存在哪
• 团队成员各读各的，无法形成共享的知识沉淀

多Agent文档智能抽取与知识结构化流可以彻底解决这个问题：

文档丢进去 → 多Agent并行解析 → 关键实体与关系自动抽取 → 存入飞书多维表格 → 按主题/行业/标签检索复用

核心价值：把"读后就忘、找时没有"变成"系统持续积累、随时命中"。

Step by Step

整体流程

文档入口（飞书/本地/邮件附件）
    ↓
[Agent-1] 文档分类与格式转换
    ↓
[Agent-2] 关键信息并行抽取（实体/关系/摘要）
    ↓
[Agent-3] 质量校验与交叉验证
    ↓
[Agent-4] 知识结构化入库（飞书Bitable）
    ↓
[Agent-5] 定期合成与知识图谱更新

Phase 1：文档入口（分类Agent）

Agent角色：文档分诊员

职责：

1. 识别文档类型（合同/报告/政策/新闻/邮件）
2. 按类型分配不同的抽取Prompt模板
3. 判断是否需要OCR（扫描件）

输入：原始文档路径或飞书文件链接

输出：文档类型 + 格式评估 + 抽取优先级

Phase 2：并行抽取（3个抽取Agent）

Agent-A：负责实体抽取（人名/公司/日期/金额/指标）

Agent-B：负责关系抽取（关联关系/因果关系/从属关系）

Agent-C：负责摘要与核心观点抽取（3句话概括 + 关键结论）

三者并行处理，互不依赖。

Phase 3：质量校验（校验Agent）

职责：

• 交叉验证三个Agent的输出是否一致
• 检查关键信息是否有遗漏
• 标记低置信度条目，人工复核

Phase 4：结构化入库（入库Agent）

目标表结构（飞书Bitable）：

Phase 5：定期合成（合成Agent）

职责：

• 每周扫描新增记录，按主题聚合
• 生成"本周知识简报"推送给团队
• 识别跨文档的知识矛盾点并告警
• 更新知识标签体系

可复制提示词

文档分类Prompt

你是一个文档分诊专家。请分析以下文档，输出：
1. 文档类型：合同/财报/政策文件/行业报告/新闻资讯/邮件/其他
2. 格式评估：结构化程度（高/中/低）、是否需要OCR
3. 抽取优先级：P0（关键决策信息）/P1（重要参考）/P2（一般知识）
4. 推荐抽取模板：标准合同/财务报告/政策解析/通用文档

文档路径：[文档路径]

实体抽取Prompt

你是一个信息抽取专家。请从以下文档中抽取所有关键实体：

**实体类型要求**：
- 人物：姓名、职位
- 机构：公司名、组织名
- 数字：金额、百分比、增长率、排名
- 日期：关键时间节点、截止日期
- 指标：财务指标、绩效指标、行业指标

**输出格式**（JSON数组）：
[
  {"entity": "实体文本", "type": "人物/机构/数字/日期/指标", "context": "上下文句子", "importance": "高/中/低"}
]

文档内容：
[文档全文]

关系抽取Prompt

你是一个知识图谱工程师。请从以下文档中抽取实体之间的关系：

**关系类型**：
- 从属关系：A属于B/A是B的子公司
- 交易关系：A向B出售/收购/投资
- 竞争关系：A与B存在竞争
- 影响关系：A导致/促进/阻碍B
- 时间关系：A发生在B之前/之后

**输出格式**（JSON数组）：
[
  {"from": "实体A", "to": "实体B", "relation": "关系类型", "description": "关系描述", "confidence": "高/中/低"}
]

文档内容：
[文档全文]

摘要与结论Prompt

你是一个研究分析师。请完成以下任务：

**任务1：生成3句话摘要**
用三句话概括文档的核心内容，要求：
- 第1句：这是什么文档，涉及谁/什么事
- 第2句：核心发现或关键信息是什么
- 第3句：对目标读者的价值或启示是什么

**任务2：提取关键结论**
列出3-5条可执行的具体结论（不是摘要，而是从文档中推导出的洞察）

**任务3：标注置信度**
对整篇文档的信息可靠性打分（0-100），并说明置信度理由

文档内容：
[文档全文]

质量校验Prompt

你是一个知识质量审核员。请对以下三个Agent的输出进行交叉验证：

**实体抽取Agent输出**：[粘贴实体抽取结果]
**关系抽取Agent输出**：[粘贴关系抽取结果]
**摘要Agent输出**：[粘贴摘要结果]

**审核要点**：
1. 实体与关系是否匹配（不能抽取了实体但没有关系）
2. 摘要是否准确反映文档内容
3. 关键数字/日期是否有明显错误
4. 是否有遗漏的重要信息

**输出格式**：
- 一致性评分（0-100）
- 发现的问题列表
- 修正建议
- 低置信度条目标记（需要人工复核）

使用的Skills

价值与注意事项

核心价值

1. 效率提升：原来人工整理一份50页报告需要3小时，现在5分钟自动完成
2. 知识积累：每次处理的文档都成为团队知识资产，越积累越有价值
3. 团队协同：多人阅读同一批文档，知识自动汇总，不依赖个人记忆
4. 可追溯：所有抽取结果都带有原文上下文，方便回溯验证
5. 主动推送：知识简报自动生成，团队成员不需要主动查找

注意事项

1. 隐私合规：处理合同、客户资料等敏感文档时，确保在合规环境下操作
2. 置信度校验：低置信度条目必须人工复核，不能完全依赖AI
3. 格式多样性：扫描件PDF需要先OCR处理，否则抽取质量严重下降
4. 标签体系维护：定期清理和合并重复标签，避免标签膨胀
5. 知识冲突处理：当多个文档结论矛盾时，不要简单覆盖，要标注冲突并告警

适用边界

• ✅ 最适合：行业报告、合同摘要、政策文件、财报分析、竞品文档
• ⚠️ 次适合：会议纪要（需要更强的上下文理解）、创意文案（主观性太强）
• ❌ 不适合：纯图片扫描件（未OCR）、手写笔记、音视频转录稿

相关Agent：本工作流涉及多Agent协作调度，可参考 Agent Factory 技能创建专用文档处理Agent。