我用WorkBuddy搭了个留学材料核对智能体，TextIn xParse这个文档解析真的强

说实话，留学申请最让人头疼的不是写文书，而是材料核对。

你想想看，申请一所学校要准备多少东西：成绩单、学位证、语言成绩、护照扫描件、推荐信、资金证明……每样材料里的信息还得互相印证。姓名拼写一致吗？出生日期对得上吗？GPA换算有没有问题？语言成绩还在有效期内吗？

以前这些都是人工一份份翻、一行行对的，费时费力还容易漏。

最近我发现了一个组合拳：WorkBuddy + TextIn xParse 连接器，直接搭了一个"留学申请材料一致性核对智能体"，把这件事自动化了。今天就把整个搭建过程和实际效果分享出来。

先看效果：这个报告到底长什么样？

先不谈怎么搭的，先看看最终跑出来的效果。因为我觉得这个结果本身就能说明很多问题。

智能体跑完之后生成的 HTML 报告，比我预想的要专业得多。它不是一个简单的文字总结，而是一个完整的可交互**工作台**——左侧导航栏，右侧主内容区，风格很像企业级后台管理系统，干净利落。

工作台体验地址： http://45.40.228.76:7777/

解析工作台

image.png

TextIn xParse 的独立解析**工作台**。左边上传文件（支持拖拽，PDF、图片、Word、Excel 都行），右边实时预览解析结果。输出格式可选 Markdown、JSON 或纯文本——给 AI 分析用 Markdown，导入系统用 JSON。

右下角能切换多种解析结果视图：

image.png

同一份文档可以切换查看原始文本、结构化表格、字段抽取结果等不同视图。需要确认某个表格数字跟原文是否一致时，切到对照视图就能直接看到。

申请概览

image.png

整个报告的仪表盘。顶部是三所学校的卡片，每张显示名称、状态、完成度进度条——绿色顺利、黄色待办、红色有问题。

下面是要求满足热力图：横轴学校、纵轴材料类型，颜色深浅代表完成状态。一眼看出哪些材料全校通用（整列绿）、哪些是某校特有（个别标红）。再往下是关键日期提醒和待办事项，按紧急程度排序，逾期事项红色置顶。

材料清单

image.png

列出所有已解析文件的可交互表格，支持按名称、类型、状态排序筛选。每行显示文件名、类型图标、大小，以及解析质量评分——大部分绿色"优秀"，少数扫描件可能标黄"良好"建议人工复核。

点击任意行可展开查看详细解析结果：提取出的所有字段、原文位置、以及与其他材料的交叉引用关系。

一致性核对

image.png

整个报告最有价值的模块。把同一字段在不同文件中的值全部捞出来对比：字段名、规范值、各文件实际值、一致性判定、风险等级、操作建议，六列清清楚楚。

以 GPA 为例：成绩单 3.62，申请表填了 3.72，CV 写 3.62。系统判定"不一致"、风险"高"、建议"立即核对修正"。精确到具体数字、具体文件、具体动作，比笼统说"有问题"有用太多。

申请时间线

image.png

把所有时间节点串成一条带状态语义的时间轴：已过事件灰色完成并标注结果（IELTS 7.5、GRE 326），即将到来蓝色倒计时（某校截止还有21天），逾期未处理红色警告。

每个节点可展开查看关联材料、待完成动作、逾期后果。同时申多所学校时，帮你全局把控节奏，不会漏掉关键日期。

解析证据

image.png

整个系统的审计追踪层。前面所有结论都能在这里找到源头证据——七列表格展示：字段名、提取结果、来源文件、页码区域、原文片段（灰色证据框）、置信度、解析状态。

最实用的是冲突状态的并列展示：GPA 3.62（来自成绩单）和 3.72（来自申请表）两条证据放在一起，每条标注来源。一眼看出不是解析错误，而是原始材料本身不一致——接下来要做的不是质疑工具，而是修正材料。

解析结果原文对照

除了工作台报告，直接对比原始文档和解析结果。

image.png

左侧是原始的研究生申请表扫描件，右侧是 xParse 解析出来的结构化数据。姓名、性别、出生日期、联系方式、教育背景、工作经历……每个字段都被准确提取，一一对应。

image.png

再看英文文档的例子——伯克利大学的申请要求 PDF，里面有大量文字、表格、列表，格式很复杂。右边解析结果保留了所有段落结构，表格正确转化为 Markdown 格式，脚注和补充说明也没遗漏。中英文处理能力都很强，合并单元格、跨页表格都能正确处理。

我是怎么搭出来的

看完效果，来说说具体怎么做的。整个搭建过程用到的工具就两个：WorkBuddy 和 TextIn xParse。

先说下 TextIn xParse 是什么

在开始之前，先科普一下这个工具。

TextIn xParse 是合合信息旗下面向 LLM 与 Agent 的文档智能基础设施。

说白了，它不直接给你答案，而是把各种复杂文档——PDF、图片、Word、Excel、PPT、扫描件——转化成干净、结构化的数据，让 AI 能准确读取和使用。

你可以把它理解成 AI 工作的数据底座。AI 要处理文档，也得先把文档"翻译"成它能懂的结构化数据。xParse 干的就是这个事。

通过workbuddy平台每天能免费调用1000页的额度

第一步：下载安装 WorkBuddy

首先去下载 WorkBuddy，这是我们要用的 AI 工具平台。页面长下面这样，直接下载安装包就行。

image.png

安装好之后打开软件，界面很干净，左侧有一排功能菜单栏，包括对话、专家、技能、连接器这些入口。我们要找的连接器功能就在左侧菜单里。

第二步：安装 TextIn xParse 连接器

点击左侧的 专家 → 技能 → 连接器，进入连接器市场。然后在顶部的搜索栏里输入 "TextIn"，回车搜索。

image.png

搜索结果出来后，你能看到 "TextIn xParse 智能文档解析" 这个连接器卡片，上面有连接器的名称、简介和图标。点击右边的 + 号按钮进行安装。

image.png

安装过程需要等一会儿，系统在后台下载和配置连接器组件。装完之后会弹出一个登录窗口，提示你需要登录 TextIn 账号进行授权绑定。

image.png

在这个登录页面输入你的 TextIn 账号密码，点确认就行。如果你还没有账号，页面上也有注册入口，注册是免费的。

授权成功后，回到连接器页面，你会看到 TextIn xParse 的状态已经变成了绿色的"已连接"，说明连接器已经可以正常使用了。

image.png

这时候系统还会弹出一个提示框，告诉你这个连接器的具体功能和用法。里面写得很清楚：

上传文件（PDF、图片、Word、Excel、PPT、扫描件等），即可将其解析为 Markdown 或结构化 JSON，可还原文档目录结构和复杂表格结构，适用于高精度高性能要求的文档处理OCR任务，每日免费1000页。

image.png

这个提示框里把支持哪些文件格式、输出什么格式、每天免费额度都写明白了。我注意到它特别提到了"复杂表格结构"的处理能力，这个后面我们会具体看到效果。

第三步：新建对话并启用 xParse

现在连接器已经装好了，新建一个对话来使用它。点击新建对话按钮，进入对话界面后，注意看顶部区域，你能看到有一个 TextIn xParse 的开关选项，默认是开启状态的。

image.png

这个开关的意思是：在这个对话里，当你上传或者让 AI 读取文档的时候，它会自动调用 xParse 引擎来进行解析，而不是用 AI 自己的能力去"猜"文档内容。保持默认开启就行。

第四步：输入提示词，启动智能体

接下来就是关键步骤了。我们需要告诉 AI 具体要干什么。我把提前写好的提示词输进去，这个提示词定义了智能体的完整工作流程：

# 留学申请材料一致性核对智能体｜执行提示词

你现在是一个"留学申请材料一致性核对智能体"。你的工作不是泛泛介绍留学流程，而是读取用户指定的本地文件夹，调用已集成的 TextIn Xparse 解析其中的文档，完成材料核对，并最终生成一个可打开的 HTML 展示页面。

## 用户输入

用户会提供一个本地文件夹路径，例如：
D:\Users\27890\Desktop\workbuddy\source_zh

你必须递归读取该路径下的文件。支持 PDF、PNG/JPG、DOCX、XLSX/CSV、TXT、HTML 和 JSON。

## 核心工作流程

### 1. 扫描和分类
先列出所有文件，记录相对路径、文件名、扩展名、大小和页数，并将文件归类为：
- 学校/项目申请要求
- 成绩单或课程表
- 学位证、毕业证、在读证明
- IELTS、TOEFL、GRE 等考试成绩
- 护照或身份材料
- 申请表
- 简历、推荐信、资金证明
- 其他附件

### 2. 调用 TextIn Xparse
对每一份可解析文档调用 TextIn Xparse 连接器：
- PDF、DOCX、HTML、TXT、CSV、XLSX：解析正文、标题层级、表格、列表和日期
- PNG/JPG 或扫描 PDF：执行 OCR，识别姓名、号码、日期、金额、成绩和表格
- 跨页表格必须合并，保留原始行列关系

### 3. 建立申请人档案
将所有文件中的信息归一到同一申请人档案，抽取：
- 身份信息：姓名、出生日期、国籍、护照号码等
- 学历信息：学校、专业、学位、GPA、课程成绩等
- 考试信息：IELTS/TOEFL/GRE 成绩等
- 申请信息：目标学校、项目要求等

### 4. 一致性核对
逐字段比较不同文件中的值，标记差异和风险等级

### 5. 缺件和学校要求
识别学校要求文档，检查每项要求的满足状态

### 6. 生成 HTML 报告
输出一个完整的 HTML 展示页面

这个提示词看起来长，但核心逻辑就一条线：给一个文件夹路径 → 自动扫描所有文件 → 用 TextIn xParse 解析每一份文档 → 从解析结果中提取关键信息 → 把不同文件的信息交叉比对 → 找出不一致的地方 → 最后生成一份完整的 HTML 报告。

整个过程全自动，不需要你中途介入。

第五步：执行解析

提示词输进去之后，我们只需要给出文件夹路径就行了。比如我这边用的是 D:\Users\27890\Desktop\workbuddy\source_zh，这个文件夹里放了我准备的所有留学申请材料。

输入路径后，智能体开始工作了。首先是文件夹扫描阶段，它会递归读取文件夹里的所有文件，然后列出一个清单。从界面输出可以看到，它正在逐个识别文件，显示每个文件的名称、类型和大小。

image.png

扫描完之后，下一步就是自动加载 xParse 解析功能了。这时候界面会显示正在调用 xParse 引擎，开始逐个处理文档。

image.png

实际上底层执行的是这条命令：

xparse-cli --profile workbuddy task run --files "D:/Users/27890/Desktop/workbuddy/source_zh/**" --api auto --wait --output "D:/Users/27890/Desktop/workbuddy/xparse_output"

也就是说，WorkBuddy 把我们的文件路径传给了 xParse 的命令行工具，xParse 在云端处理完之后，把结果写回到本地的 xparse_output 文件夹。整个过程我们是感知不到这些技术细节的，只需要等着就行。

等了一会儿，界面显示所有文档都解析成功了。能看到一个完成的列表，每个文件后面都标注了解析状态。

image.png

解析出来的结果都是 Markdown 格式的文件。在 WorkBuddy 界面右侧，可以直接预览解析后的内容。我仔细看了下，排版真的很规整——标题用 # ## 标注了层级，表格用标准的 Markdown 表格语法呈现，列表项也清清楚楚。不管是中文文档还是英文文档，文字都没有乱码，格式也没有乱掉。

image.png

最后一步，智能体根据所有解析结果，自动生成 HTML 报告。界面会显示正在写入文件，然后给出生成的文件路径。

image.png

到这里，整个流程就走完了。从输入文件夹路径到拿到最终报告，全程不需要写一行代码。

核心对比：有TextIn xParse 和没TextIn xParse 差别有多大？

对比一：境外研究生入学申请表

image.png

左边是原始 PDF，中间是TextIn xParse 解析出来的内容，右边是纯 AI 自己处理的结果。

仔细看中间和右边的区别：中间的排版很规整，标题层级清晰，段落结构完整，表格转化成了标准的 Markdown 格式；右边的虽然也能看，但排版明显松散，格式不统一，有些地方该缩进没缩进，该加粗没加粗，整体看起来就没那么舒服。对于这种包含大量文字说明、表格、列表项的复杂文档，TextIn xParse 的结构化处理能力确实更胜一筹。

对比二：学分结构表

image.png

这份学分结构表属于那种看起来规整但实际很麻烦的表格——有合并单元格、有多级表头、有嵌套的子项分类。左边是原始 PDF 的样子，中间和右边分别是两种方式处理出来的结果。

中间 xParse 的输出，你能看到它用 table、td、tr 这些 HTML 标签做了完整的结构化处理。表格的层级关系保留得很清楚：哪些单元格是合并的、哪些是表头、哪些是数据行，一目了然。每一列的宽度对齐也很整齐，数字和文字都在该在的位置上。如果你后续要把这些数据导入到 Excel 或者数据库里，直接解析这个结构化的输出就行，基本不用二次清洗。

右边 AI 脚本处理的结果，问题就比较明显了。首先是表格结构丢失——原本的合并单元格被拆散成了零散的文字，你分不清哪些数据是属于同一行的。其次是排版错位——有些列的对齐出了问题，本该在同一行的数据跑到了不同行，导致你很难对应起来看。最麻烦的是，如果你想从里面提取某个具体数值（比如某门课的学分是多少），你得在一堆散乱的文本里手动去找，效率很低。

这种差异在实际使用中会被放大。假设你要核对 20 门课的学分加起来是不是等于总学分要求，用TextIn xParse 的结果可以直接遍历表格节点求和；用右边那个结果，你可能得先花半小时人工整理一遍数据格式才能开始算。

对比三：目标院校申请要求对比矩阵

d332049f1ff7dbc70353a228a87111aa.png

这个对比矩阵是表中表的典型场景——大表格里嵌套着小表格，每个单元格里可能还包含列表、链接、状态标签等多种元素。这种结构的解析难度比普通表格高一个量级。

中间TextIn xParse 的处理结果，整个矩阵的框架非常清晰。横向是不同的目标院校（剑桥、Berkeley、爱丁堡等），纵向是各项申请要求（学术材料、语言成绩、推荐信、文书、费用等），交叉单元格里的内容完整保留了原始信息——包括具体的要求描述、是否已满足的状态标记、以及相关的备注说明。即使某个单元格里同时包含文字和表格嵌套，TextIn xParse 也能正确地分层呈现，不会混在一起。

右边 AI 脚本的输出就有点惨不忍睹了。嵌套结构几乎完全丢失——原本在大表格里面的小表格被"拍平"成了一堆连续的文本，你根本看不出哪个内容属于哪个单元格。状态标签和格式信息也丢了——原来用颜色区分的"已满足""待确认""缺失"等状态，在纯文本输出里变成了没有语义的普通文字。更糟糕的是，有些跨行跨列的内容被错误地重复输出了多次，或者干脆就找不到了。

如果你拿这个结果去生成前面展示的那个工作台报告，大概率会出问题——因为源数据本身就是乱的，基于它生成的分析结论自然也不可靠。这就是为什么我说 xParse 不只是"把 PDF 转成文字"那么简单，它在底层做的结构化处理，直接决定了上层应用的质量。

上面说了这么多，可能还是不够直观。我特意准备了三组并排对比——同一份文档，左边放原始 PDF，中间放开启 xParse 的解析结果，右边是 AI 脚本处理的结果。三张图摆在一起，差距一眼就能看出来。

测试：不开TextIn xParse，让 AI 自己解析文档

为了更全面地对比，我还做了一组测试——关掉TextIn xParse 开关，然后用同样的提示词和同样的文件夹路径，让 AI 来处理。

image.png

关掉之后，AI 发现自己没有现成的文档解析工具可以调用了，于是它决定自己动手。它的思路是写一个 Python 脚本来读取和解析各种格式的文件。

image.png

从界面输出可以看到，AI 正在生成 Python 代码，打算用 PyPDF2 来读 PDF，用 python-docx 来读 Word，用 openpyxl 来读 Excel，用 Pillow 来做 OCR……思路是对的，但问题是接下来它开始疯狂安装依赖包。

image.png

我的轻薄本风扇已经开始呼呼转了……安装过程持续了好几分钟，因为要下载和配置各种各样的库。

好不容易等它全部折腾完，文档倒是也解析出来了，但当我看到结果的时候，确实差距比较明显。

image.png

主要问题有这么几个：第一是速度慢很多，从开始到结束花了差不多三倍的时间；第二是排版混乱，有些表格的列对不齐，合并单元格的信息丢了；第三是准确率问题，有个别数字被错误识别了，可能是通用 OCR 引擎对复杂版面的处理不够好；第四是本地资源占用高，整个过程电脑都在嗡嗡响，内存占用也明显上升。

总结一下

我把几种方案的区别整理成表格：

说白了就是一句话：TextIn xParse 干的是专业的事，AI 干的是分析的事。让专业的人干专业的事，各司其职，效率和质量自然都上去了。

为什么我说 TextIn xParse 是"AI 数据层基础设施"

经过这次实际搭建和完整测试，我对官方说的"数据层基础设施"这个定位有了更深的理解，也更能体会到这个定位的准确性。

很多人第一反应会觉得，文档解析不就是个 OCR 吗？把图片里的字转成文本就行了。但实际用下来你会发现，AI 要真正"读懂"一份文档并且基于文档内容做出准确的判断和分析，光有裸文字是远远不够的。

我来举几个具体的例子：

第一个问题：这段文字到底是什么角色？

一份文档里有标题、副标题、正文、注释、页眉页脚……如果只是把文字提取出来，AI 分不清哪段是标题哪段是正文，就没法理解文档的层次结构。xParse 会把这些都标注清楚，输出的 Markdown 里 # 就是一级标题，## 就是二级标题，正文就是普通段落。

第二个问题：这个区域是表格还是列表？

文档里经常有表格，而且表格还可能很复杂——有合并单元格、有嵌套表、有跨页表格。如果只是简单提取文字，表格就变成了一堆散乱的文字，行列关系全乱了。TextIn xParse 会把表格转化成标准的 Markdown 表格或者结构化 JSON，行列关系保持得清清楚楚。

第三个问题：这个数字到底代表什么？

文档里到处都是数字——日期、金额、电话号码、学号、GPA、考试成绩……光看到一个数字 "2024" 你知道它是年份还是分数还是什么别的吗？xParse 做的字段抽取会同时保留字段的语义标签，让 AI 知道这个 "2024" 是入学年份，那个 "3.85" 是 GPA。

第四个问题：这份文档的整体结构是什么？

长文档通常有目录、章节、附录。TextIn xParse 能还原文档的目录结构，让 AI 知道这份文档有几章、每章讲什么、某个内容在第几章第几节。

除了上面说的这些基础能力，TextIn 对复杂格式的解析支持也非常强。比如合并单元格、表中表（表格里嵌套表格）、跨行表格、图文混排这些让人头疼的版面，它都能正确处理。

image.png

这些事情，xParse 都帮你在底层处理好了。它交给 AI 的不是一堆乱糟糟的文字，而是有结构的、语义清晰的、可以直接使用的数据。

这就是为什么叫它"基础设施"——就像城市里的水电煤一样，平时你可能不会特意想到它，但它就在那里默默支撑着上层的一切运行。没有它，上面的应用要么跑不起来，要么跑起来也是磕磕绊绊。

写在最后

如果你也在处理大量文档——不管是为了留学申请做材料核对、还是合同审核、财务报销、简历筛选、或者搭建企业知识库——真心建议试试 TextIn xParse。

搭配 WorkBuddy 这种 AI 工具平台，你不需要会编程，不需要懂什么 OCR 或者 NLP 的技术原理，按照我今天分享的步骤，下载安装、搜连接器、装好授权、输提示词、给路径，就这么几步，一个能干的智能体就搭好了。

每天免费 1000 页，个人使用或者小团队使用基本够用了。如果量大再考虑升级付费套餐。

工具链接再放一次：https://www.textin.com/market/detail/xparse

有问题欢迎交流，评论区见。