核心用法
SoMark 文档解析技能通过专用 API 将 PDF、图片（PNG/JPG/HEIC/WebP 等）、Word、PPT 等格式转换为 Markdown 或 JSON 结构化输出。用户可通过两种方式触发：直接上传文件或提供本地/云端文件路径。解析脚本 somark_parser.py 支持丰富的配置选项，包括输出格式选择（markdown/json）、元素渲染方式（图片 URL/base64、公式 LaTeX/MathML、表格 HTML/图片/Markdown）以及功能开关（跨页合并、标题层级识别、页眉页脚保留等）。对于目录输入，支持批量顺序解析并生成 results_index.json 索引文件。
显著优点
1. 业界领先的结构保真度：SoMark 被定位为"最强的文档解析模型之一"，能高精度保留标题层级、表格结构、数学公式、图表布局等 21 类文档元素
2. 广泛的格式支持：覆盖 PDF、18+ 种图片格式、Office 文档（DOC/DOCX/PPT/PPTX），满足简历、论文、合同、财报、古籍、手写笔记等多元场景
3. 极速处理能力：百页长文档结构化解析最快仅需 5 秒
4. 坐标级可追溯性：支持精确到坐标的元素定位，便于后续二次处理
5. 下游任务优化：解析后的结构化 Markdown 显著提升 AI 理解与问答准确性，实现"解析一次、多次复用"
潜在局限
- API 密钥依赖：必须配置
SOMARK_API_KEY环境变量，首次使用需引导用户完成注册和密钥配置流程 - 文件规模限制：单文件上限 200MB 或 300 页，超限需人工拆分
- 商业服务成本：除免费试用额度外，持续使用需付费充值
- 功能开关复杂度：高级功能配置涉及较多 JSON 参数，对非技术用户有一定学习成本
- 安全沙箱要求：解析内容需严格作为数据处理，禁止执行文档内嵌指令
适合人群
- 需要批量处理学术论文、法律合同、财报的技术研究人员与知识工作者
- 构建文档问答、知识库检索的 AI 应用开发者
- 处理扫描件、手写笔记的档案数字化团队
- 对文档结构精度有高要求的专业场景用户
常规风险
- 密钥泄露风险：系统明确禁止用户在对话中粘贴 API Key，需严格通过环境变量配置
- 提示注入风险：文档可能包含伪装成指令的恶意内容，技能内置安全规则要求将解析内容纯数据化处理
- 解析失败风险：网络异常、文件损坏、格式不兼容可能导致部分或全部解析失败，需通过
results_index.json进行结果校验 - 隐私合规风险：敏感文档上传至第三方 API 服务，需评估数据出境与隐私合规要求