调用本接口可将文件导入指定知识库，并转换为可检索、可召回的文档内容。

• 请求方式：POST
• 请求地址： {{domain}}/profile_platform/api/v2/rag/file2document/convert
• Content-Type：application/json
• 主要能力：按文件类型配置切片、解析、图片/表格提取、音视频模型、质量检测和重复文档校验策略。

最小可用请求示例 #

{
  "kb_ids": [123],
  "file_ids": [1001]
}

解析类型覆盖 #

file_parse_type_overrides 用于按文件声明逻辑解析类型。它只决定文件应读取哪一类解析配置，不直接覆盖具体切片参数；具体参数仍放在对应类型的 chunk_settings 和 file_overrides 中。

匹配规则 #

parse_type 可选值：text、doc、other、pdf、ppt、image、table。其中 doc 会按 text 处理。

{
  "file_parse_type_overrides": [
    {
      "match": {
        "file_ids": [1002, 1003]
      },
      "parse_type": "ppt"
    }
  ],
  "chunk_settings": {
    "ppt": {
      "max_segment_length": 800,
      "exclude_master_content": true
    }
  }
}

chunk_settings 配置 #

chunk_settings 按文件类型分组，用于控制不同类型文件的切片、解析和导入提取参数。字段统一使用 snake_case。

一、文件类型分组 #

二、通用文档、其它文档与 PDF 配置 #

三、PPT、图片、音频与视频配置 #

四、表格配置 #

表格文件支持自动分段和自定义分段。推荐按以下层级组织配置：table 表示表格默认策略，table.file_overrides[] 命中特定文件，file_overrides[].sheets[] 指定 sheet，sheets[].columns[] 指定列配置。

sheets 字段

columns 字段

quality_settings 配置 #

quality_settings 负责管理质量检测和重复文档校验策略，按文件类型分组，类型名称与 chunk_settings 一致。当前 quality_settings 不支持 file_overrides。

{
  "quality_settings": {
    "text": {
      "completeness_check": true,
      "sensitive_word_check": false,
      "duplicate_doc_check": true
    },
    "ppt": {
      "completeness_check": false,
      "sensitive_word_check": true,
      "duplicate_doc_check": false
    }
  }
}

配置生效规则 #

当一次请求包含多个文件时，系统会按文件逐一解析配置。高优先级配置会覆盖低优先级配置的同名字段。

校验与限制 #

data #

{
  "kb_ids": [123],
  "file_parse_type_overrides": [
    {
      "match": {
        "file_ids": [1001]
      },
      "parse_type": "text"
    },
    {
      "match": {
        "file_ids": [1002]
      },
      "parse_type": "ppt"
    },
    {
      "match": {
        "file_ids": [1004]
      },
      "parse_type": "table"
    }
  ],
  "chunk_settings": {
    "text": {
      "mode": "custom",
      "max_segment_length": 1200,
      "custom_separator": "\\n---\\n",
      "associate_chunk_title": true,
      "merge_small_chunks": true,
      "small_chunk_token_threshold": 128,
      "extract_images": true,
      "image_understand": true,
      "image_understand_max_tokens": 1024,
      "extract_tables": true
    },
    "ppt": {
      "max_segment_length": 800,
      "exclude_master_content": true,
      "exclude_header_footer": true
    },
    "table": {
      "mode": "auto",
      "parse_strategy": "model_auto_header",
      "file_overrides": [
        {
          "match": {
            "file_id": 1004
          },
          "mode": "custom",
          "sheets": [
            {
              "sheet_name": "汇总",
              "header_row": 2,
              "data_start_row": 3,
              "columns": [
                {
                  "source_name": "城市",
                  "target_name": "city",
                  "enabled": true,
                  "data_type": "STRING",
                  "description": "城市列"
                },
                {
                  "source_name": "金额",
                  "target_name": "amount",
                  "enabled": true,
                  "data_type": "DOUBLE",
                  "description": "金额列"
                }
              ]
            }
          ]
        }
      ]
    }
  },
  "quality_settings": {
    "text": {
      "completeness_check": true,
      "sensitive_word_check": false,
      "duplicate_doc_check": true
    },
    "ppt": {
      "completeness_check": false,
      "sensitive_word_check": true,
      "duplicate_doc_check": false
    }
  }
}

成功响应示例 #

{
  "code": 0,
  "msg": "success",
  "data": [
    {
      "id": 9001,
      "file_id": 1001,
      "document_id": 2001,
      "running_state": null
    }
  ]
}

失败响应示例 #

{
  "code": 500,
  "msg": "kb_ids 不能为空",
  "data": null
}