Xpersona
agentCLAWHUBUnverified

百度文档解析vlm-parser

调用百度PaddleOCR-VL大模型API解析文档。基于PaddleOCR-VL-1.6多模态大模型，支持PDF、Word、PPT、图片等格式，精准识别印刷文本、手写文本、表格、公式、图表、印章等复杂元素，支持100+种语言，可处理不规则布局和长文档跨页解析。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。 Skill: 百度文档解析vlm-parser Owner: maglanyulan Summary: 调用百度PaddleOCR-VL大模型API解析文档。基于PaddleOCR-VL-1.6多模态大模型，支持PDF、Word、PPT、图片等格式，精准识别印刷文本、手写文本、表格、公式、图表、印章等复杂元素，支持100+种语言，可处理不规则布局和长文档跨页解析。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。 Tags: latest:1.0.5 Version history: v1.0.5 | 2026-09-17T11:16:24.084Z | user - Removed the file: skill-card.md - No functional changes to code or documentation observed in this versio

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

1.1k

Updated

Oct 11, 2026

Version

1.0.5

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor
Clawhubvendor · observed Oct 11, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 11, 2026
Adoption signal
1.1K downloadsadoption · observed Oct 11, 2026
Latest release
1.0.5release · observed Sep 17, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17cm4qmnj4y8xj888f3gjms0583hg9z:baidu-doc-vlm-parser
  1. Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-maglanyulan-baidu-doc-vlm-parser/snapshot"

Documentation

CLAWHUB

87,901 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: baidu-doc-vlm-parser 百度文档解析(PaddleOCR-VL)
description: 调用百度PaddleOCR-VL大模型API解析文档。基于PaddleOCR-VL-1.6多模态大模型，支持PDF、Word、PPT、图片等格式，精准识别印刷文本、手写文本、表格、公式、图表、印章等复杂元素，支持100+种语言，可处理不规则布局和长文档跨页解析。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。
license: MIT
---

# 百度文档解析（PaddleOCR-VL）Skill

基于 PaddleOCR-VL-1.6 多模态大模型，提供开箱即用的文档智能解析能力。

## 功能概述

**PaddleOCR-VL-1.6-0.9B** 是多模态文档解析领域的 SOTA 方案，具备：

- **全要素精准解析**：高效识别印刷文本、手写文本、表格、公式、图表、印章等复杂文档元素
- **智能阅读顺序**：基于人类阅读习惯推断内容排列顺序，将零散页面信息转化为有序带标签的结构化元素序列
- **行级别坐标**：支持精准的行级别坐标输出
- **100+ 种语言**：覆盖中、英、日、韩、拉丁文等全球化多语种文档
- **不规则布局定位**：攻克复杂版面解析难点
- **长文档跨页解析**：支持跨页表格合并等企业级场景
- **直接 Markdown/JSON 输出**：无需额外处理

## 与文档解析（标准版）的区别

| 特性 | PaddleOCR-VL（本 Skill） | 标准版（pipeline-parser） |
|------|-------------------------|--------------------------|
| 底层模型 | 多模态大模型 VLM | 传统 Pipeline |
| 语言支持 | 100+ 种 | 20+ 种 |
| 公式/图片识别 | 默认开启，无需配置 | 需手动开启参数 |
| 语种识别 | 自动识别，无需指定 | 需指定 language_type |
| 版面类型 | 24 种细粒度类型 | 8 种基础类型 |
| 行坐标 | 支持 | 不支持 |
| 多边形坐标 | 支持（polygon） | 仅矩形框 |
| 文件大小 | 版式 ≤100M，PDF ≤500 页 | PDF ≤300M，≤2000 页 |

## 适用场景

当用户需要：
- 解析复杂版面文档（多栏、不规则布局）
- 精准识别手写文本、数学公式、图表
- 处理多语种混合文档
- 获取行级别坐标信息
- 长文档跨页表格合并
- 免配置自动识别文档内容

## 免费资源领取和计费说明
[百度智能文档分析平台 领取免费测试资源](https://cloud.baidu.com/doc/OCR/s/fk3h7xu7h)


[百度智能文档分析平台计费与购买方式](https://cloud.baidu.com/doc/OCR/s/Fls06fa15#%E6%96%87%E6%A1%A3%E8%A7%A3%E6%9E%90%EF%BC%88paddleocr-vl%EF%BC%89)


| 用户类型 | 免费额度 |
|---------|---------|
| 个人实名认证用户 | **200 页** |
| 企业实名认证用户 | **1000 页** |

## API 配置

### 额度获取方式

您可通过百度智能云平台获取[免费额度](https://cloud.baidu.com/doc/OCR/s/fk3h7xu7h)与[购买调用资源](https://cloud.baidu.com/doc/OCR/s/Fls06fa15#%E6%96%87%E6%A1%A3%E8%A7%A3%E6%9E%90%EF%BC%88paddleocr-vl%EF%BC%89)

### 环境变量（必须）

使用前请设置以下环境变量：

```bash
export BAIDU_DOC_AI_API_KEY="your_api_key"
export BAIDU_DOC_AI_SECRET_KEY="your_secret_key"
```

### 认证方式

通过 API Key 和 Secret Key 获取 access_token，有效期 30 天。所有接口请求需以 URL 参数 `access_token` 携带。

## 支持格式

**版式文档**：pdf, jpg, jpeg, png, bmp, tif, tiff, ofd（图片最长边不大于 8192px）

**流式文档**：doc, docx, txt, wps, ppt, pptx

## 支持语言

100+ 种语言，包括中文、英文、日文、韩文、拉丁文等，**无需手动指定，大模型自动识别**。

## 使用方式

```bash
python3 scripts/baidu_doc_vlm_parser.py --file_data <文件的base64编码> --file_name "test.pdf"
python3 scripts/baidu_doc_vlm_parser.py --file_url <文件公网URL> --file_name "test.pdf"
```

## API 接口

文档解析（PaddleOCR-VL）API 服务为异步接口，需要先调用**提交请求接口**获取 task_id，然后调用**获取结果接口**进行结果轮询。

### 提交请求接口

- **HTTP 方法**：POST
- **请求 URL**：`https://aip.baidubce.com/rest/2.0/brain/online/v2/paddle-vl-parser/task?access_token={token}`
- **Content-Type**：`application/x-www-form-urlencoded`

#### Python 示例

```python
import requests, os, base64

def create_task(url, file_path, file_url):
    with open(file_path, "rb") as f:
        file_data = base64.b64encode(f.read())
    data = {
        "file_data": file_data,
        "file_url": file_url,
        "file_name": os.path.basename(file_path)
    }
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    return requests.post(url, headers=headers, data=

_meta.json

{
  "ownerId": "kn75p1w9cr0c8ycct5wzrb5ken83e9nc",
  "slug": "baidu-doc-vlm-parser",
  "version": "1.0.5",
  "publishedAt": 1789643784084
}

references/apikey-fetch.md

# 百度文档解析（PaddleOCR-VL）API Key 配置指南

## BAIDU_DOC_AI_API_KEY 和 BAIDU_DOC_AI_SECRET_KEY 未配置

当环境变量未设置时，按照以下步骤操作：

### 1. 获取 API Key 和 Secret Key

访问：**https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjhhu#1-获取aksk**

- 登录百度云账号
- 创建应用或查看已有的 API Key 和 Secret Key
- 复制你的 **API Key** 和 **Secret Key**

### 2. 领取免费测试资源

访问：**https://ai.baidu.com/ai-doc/OCR/dk3iqnq51**

### 3. 配置环境变量

```bash
export BAIDU_DOC_AI_API_KEY="your_actual_api_key_here"
export BAIDU_DOC_AI_SECRET_KEY="your_actual_secret_key_here"
```

或通过配置文件 `~/.claude/settings.json`：

```json
{
  "skills": {
    "entries": {
      "baidu-doc-vlm-parser": {
        "env": {
          "BAIDU_DOC_AI_API_KEY": "your_actual_api_key_here",
          "BAIDU_DOC_AI_SECRET_KEY": "your_actual_secret_key_here"
        }
      }
    }
  }
}
```

### 4. 验证配置

```bash
curl -X POST 'https://aip.baidubce.com/oauth/2.0/token' \
  -d 'grant_type=client_credentials' \
  -d 'client_id={your_api_key}' \
  -d 'client_secret={your_secret_key}'
```

### 5. 测试

```bash
python3 scripts/baidu_doc_vlm_parser.py --file_url "https://example.com/test.pdf" --file_name "test.pdf"
```

## 相关链接

- [获取 AK/SK 文档](https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjhhu#1-获取aksk)
- [领取免费资源](https://ai.baidu.com/ai-doc/OCR/dk3iqnq51)
- [百度云控制台](https://console.bce.baidu.com/ai/)

references/error_codes.md

# 百度文档解析（PaddleOCR-VL）错误码参考

## 通用错误

### 认证相关错误

| 错误码 | 错误信息 | 说明 | 解决方案 |
|--------|---------|------|----------|
| 1 | Unknown error | 未知错误 | 重试请求 |
| 2 | Service temporarily unavailable | 服务暂不可用 | 重试请求 |
| 3 | Unsupported openapi method | API 接口不存在 | 检查 URL |
| 4 | Open api request limit reached | 集群超限额 | 重试请求 |
| 6 | No permission to access data | 无 API 访问权限 | 在百度云控制台开通 |
| 17 | Open api daily request limit reached | 日配额超限 | 购买额度或等待重置 |
| 18 | Open api qps request limit reached | QPS 超限 | 降低请求频率 |
| 19 | Open api total request limit reached | 总量配额超限 | 购买额外配额 |
| 100 | Invalid parameter | access_token 无效 | 重新获取 |
| 110 | Access token invalid or no longer valid | access_token 无效 | 重新获取（30天有效期） |
| 111 | Access token expired | access_token 过期 | 重新获取 |

### 文件相关错误

| 错误码 | 错误信息 | 说明 | 解决方案 |
|--------|---------|------|----------|
| 216200 | empty file or fileurl | 文件或 URL 为空 | 提供 file_data 或 file_url |
| 216201 | file format error | 文件格式不支持 | 使用支持的格式 |
| 216202 | file size error | 文件大小超限 | 缩减文件大小 |

### 任务处理错误

| 错误码 | 错误信息 | 说明 | 解决方案 |
|--------|---------|------|----------|
| 282000 | internal error | 任务处理失败 | 重试或联系技术支持 |
| 282003 | missing parameters | 缺少必要参数 | 检查必填参数 |
| 282005 | quota exceed error | 额度不足 | 申请增加配额 |
| 282007 | task not exist | 任务不存在 | 检查 task_id |
| 282018 | Service busy | 服务繁忙 | 降低请求频率 |

### URL 相关错误

| 错误码 | 错误信息 | 说明 | 解决方案 |
|--------|---------|------|----------|
| 282111 | url format illegal | URL 格式不合法 | 检查 URL 格式 |
| 282112 | url download timeout | URL 下载超时 | 检查 URL 可访问性 |
| 282113 | url response invalid | URL 响应无效 | 检查 URL 返回内容 |
| 282114 | url size error | URL 长度超 1024 字节 | 缩短 URL |

## 错误处理策略

| 错误类型 | 错误码 | 建议处理方式 |
|---------|--------|-------------|
| 瞬时错误 | 1, 2, 4, 282000, 282018 | 指数退避重试 |
| 认证错误 | 100, 110, 111 | 重新获取 access_token |
| 配额错误 | 17, 18, 19, 282005 | 等待或购买额外配额 |
| 参数错误 | 216200, 216201, 282003 | 修正参数后重试 |

## 获取帮助

- [提交工单](https://ticket.bce.baidu.com/?_=1648086674827&fromai=1#/ticket/create~productId=96&questionId=1306&channel=2)
- [百度云控制台](https://console.bce.baidu.com/ai/)

references/parameters.md

# 百度文档解析（PaddleOCR-VL）API 参数详解

## 接口概述

基于 PaddleOCR-VL-1.6-0.9B 多模态大模型，具备全要素精准解析能力，支持 100+ 种语言，可处理不规则布局和长文档跨页解析。

## API 接口地址

### 提交请求接口

```
POST https://aip.baidubce.com/rest/2.0/brain/online/v2/paddle-vl-parser/task?access_token={access_token}
Content-Type: application/x-www-form-urlencoded
```

### 获取结果接口

```
POST https://aip.baidubce.com/rest/2.0/brain/online/v2/paddle-vl-parser/task/query?access_token={access_token}
Content-Type: application/x-www-form-urlencoded
```

## 提交请求参数

### 文件参数（必选，二选一）

| 参数 | 必选 | 类型 | 说明 |
|------|------|------|------|
| file_data | 和 file_url 二选一 | string | 文件 Base64 编码。版式文档：pdf, jpg, jpeg, png, bmp, tif, tiff, ofd（图片最长边不大于 8192px）；流式文档：doc, docx, txt, wps, ppt, pptx。图片≤10M，版式文档≤100M，流式文档≤50M，PDF≤500页。超过50M须用file_url。优先级：file_data > file_url |
| file_url | 和 file_data 二选一 | string | 文件URL，≤1024字节。PDF≤100M，≤500页。请关闭URL防盗链 |
| file_name | 是 | string | 文件名，后缀须正确，如 "1.pdf" |

### 功能参数

| 参数 | 必选 | 类型 | 说明 |
|------|------|------|------|
| recognize_formula | - | bool | **无需开启**，大模型默认识别公式 |
| analysis_chart | 否 | bool | 是否对统计图表进行解析 |
| parse_image_layout | - | bool | **无需开启**，大模型默认解析所有图片 |
| language_type | - | string | **无需开启**，大模型默认识别语种 |
| merge_tables | 否 | bool | 是否合并跨页表格 |
| relevel_titles | 否 | bool | 是否对 paragraph_title 进行分级 |
| recognize_seal | 否 | bool | 是否识别印章 |
| return_span_boxes | 否 | bool | 是否返回行坐标 |

### 文档分块参数

| 参数 | 必选 | 类型 | 默认值 | 说明 |
|------|------|------|--------|------|
| return_doc_chunks.switch | 否 | bool | False | 是否切分 |
| return_doc_chunks.chunk_size | 否 | int | -1 | 切分块大小，-1为语义自动切分 |

## 返回结构

### 获取结果返回

| 字段 | 类型 | 说明 |
|------|------|------|
| result.task_id | string | 任务 ID |
| result.status | string | pending/processing/success/failed |
| result.task_error | string | 报错信息 |
| result.markdown_url | string | Markdown 结果链接（30天有效） |
| result.parse_result_url | string | JSON 结果 BOS 链接（30天有效） |

### 版面类型（24种）

| 类型 | 说明 | 类型 | 说明 |
|------|------|------|------|
| text | 文本 | table | 表格 |
| image | 图片 | chart | 图表 |
| doc_title | 文档标题 | paragraph_title | 段落标题 |
| figure_title | 图片标题 | display_formula | 公式 |
| inline_formula | 行内公式 | formula_number | 公式编号 |
| header | 页眉 | footer | 页脚 |
| header_image | 页眉图片 | footer_image | 页脚图片 |
| number | 页码 | abstract | 摘要 |
| algorithm | 算法 | aside_text | 旁注文本 |
| content | 目录 | footnote | 脚注 |
| reference | 参考文献 | reference_content | 参考文献内容 |
| seal | 印章 | vertical_text | 竖排文本 |

## 相关文档

- [官方 API 文档](https://ai.baidu.com/ai-doc/OCR/3mi73at9o)
- [错误码参考](error_codes.md)
- [API Key 配置指南](apikey-fetch.md)

Related agents

Same protocol, similar job.

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW
Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/maglanyulan/skills/baidu-doc-vlm-parser",
      "sourceUrl": "https://clawhub.ai/maglanyulan/skills/baidu-doc-vlm-parser",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T06:19:36.184Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-maglanyulan-baidu-doc-vlm-parser/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-maglanyulan-baidu-doc-vlm-parser/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-11T06:19:36.184Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "1.1K downloads",
      "href": "https://clawhub.ai/maglanyulan/baidu-doc-vlm-parser",
      "sourceUrl": "https://clawhub.ai/maglanyulan/baidu-doc-vlm-parser",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-11T06:19:36.184Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "1.0.5",
      "href": "https://clawhub.ai/maglanyulan/baidu-doc-vlm-parser",
      "sourceUrl": "https://clawhub.ai/maglanyulan/baidu-doc-vlm-parser",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-09-17T11:16:24.084Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-maglanyulan-baidu-doc-vlm-parser/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-maglanyulan-baidu-doc-vlm-parser/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 1.0.5",
      "description": "- Removed the file: skill-card.md - No functional changes to code or documentation observed in this version.",
      "href": "https://clawhub.ai/maglanyulan/baidu-doc-vlm-parser",
      "sourceUrl": "https://clawhub.ai/maglanyulan/baidu-doc-vlm-parser",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-09-17T11:16:24.084Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 11, 2026.

Sponsored

Ads related to 百度文档解析vlm-parser and adjacent AI workflows.