低代码集成：将PDF-Extract-Kit-1.0接入Power Platform的完整教程

优质文章学习记录

— 14 min read

低代码集成：将PDF-Extract-Kit-1.0接入Power Platform的完整教程

你是不是也遇到过这样的情况：公司里每天都有大量PDF格式的合同、发票、报告需要处理，手动复制粘贴不仅费时费力，还容易出错？而开发一个完整的自动化系统又太复杂，API调用、身份验证、数据解析……光是想想就头大。

别担心，今天我要分享的这个方法，完全不需要写一行后端代码，就能把强大的AI驱动PDF解析能力——PDF-Extract-Kit-1.0，轻松集成到你的Power Apps应用中。哪怕你是零编程基础的业务人员，也能在30分钟内完成整个流程。

PDF-Extract-Kit-1.0 是目前开源社区中表现最出色的PDF内容提取工具之一。它不仅能精准识别文本、表格、图像和公式，还能理解文档的布局结构，即便是扫描件或模糊文件也能保持高准确率。更重要的是，它的模型已经预置在ZEEKLOG星图镜像广场中，支持一键部署为HTTP服务，这为我们通过Power Automate调用提供了极大便利。

本文将带你从零开始，一步步实现：

  • 如何快速部署 PDF-Extract-Kit-1.0 镜像并启动API服务
  • 如何在 Power Automate 中封装该服务为自定义操作
  • 如何在 Power Apps 中调用这个功能，上传PDF并查看提取结果
  • 关键参数设置与常见问题避坑指南

学完之后，你可以立即用这套方案来构建自己的“智能文档处理中心”，比如自动提取发票信息生成Excel、解析合同关键条款做风险提示，甚至搭建一个部门级的知识库自动入库系统。

准备好了吗？我们马上开始！

1. 环境准备与镜像部署

要想让Power Platform能“看懂”PDF文件，我们必须先让它背后有一个强大的“眼睛”——也就是能够真正解析PDF内容的服务。这个服务就是由 PDF-Extract-Kit-1.0 提供的AI模型服务。好消息是，我们不需要自己从头搭建，ZEEKLOG星图镜像广场已经为我们准备好了预配置好的镜像，只需点击几下就能运行起来。

1.1 找到并部署 PDF-Extract-Kit-1.0 镜像

首先打开 ZEEKLOG 星图镜像广场（https://ai.ZEEKLOG.net），搜索关键词 “PDF-Extract-Kit” 或直接查找模型名为 PDF-Extract-Kit-1.0 的镜像。你会发现这是一个专为复杂PDF解析设计的AI工具包，集成了 LayoutLMv3、StructEqTable 等多个先进模型，具备以下核心能力：

  • 布局检测：自动识别标题、段落、表格、图片等区域
  • OCR增强：即使面对低质量扫描件也能提取清晰文字
  • 表格还原：支持将表格转换为 Markdown / HTML / LaTeX 格式
  • 公式识别：可提取数学表达式并保留结构信息
  • 多语言支持：对中文文档有专门优化，识别更准确

选择该镜像后，点击“一键部署”。平台会自动为你分配GPU资源（建议选择至少16GB显存的实例类型，如V100或A10G），并在后台拉取镜像、安装依赖、启动服务。

⚠️ 注意
部署过程中请确保选择了“对外暴露服务端口”的选项，默认服务运行在 8503 端口。部署成功后，你会获得一个公网可访问的URL地址，形如：http://<your-instance-ip>:8503

这个URL就是我们将要在Power Automate中调用的核心接口地址。

1.2 验证服务是否正常运行

部署完成后，第一步不是急着连Power Platform，而是先确认服务本身能不能用。我们可以用浏览器或命令行简单测试一下。

打开任意终端工具（如Windows PowerShell或Mac Terminal），执行以下命令：

curl -X POST http://<your-instance-ip>:8503/predict \ -H "Content-Type: multipart/form-data" \ -F "file=@./sample.pdf"

把 <your-instance-ip> 替换成你实际的IP地址，sample.pdf 换成本地任意一个PDF文件路径。如果返回的是JSON格式的结果，包含 text, tables, images 等字段，说明服务已经跑通了！

返回示例片段如下：

{ "text": "第一章 引言...\n本研究旨在探讨...", "tables": [ "| 年份 | 收入 | 利润 |\n|------|------|-------|\n| 2022 | 100万 | 20万 |" ], "images": ["base64_encoded_image_data..."] }

看到这些结构化数据出来，你就离成功不远了。这说明AI已经把PDF里的内容“读”了出来，并且分门别类整理好了。

1.3 了解关键接口与参数配置

PDF-Extract-Kit-1.0 提供了多个API端点，但我们最常用的是 /predict 接口。它接受一个PDF文件作为输入，输出结构化的文本、表格和图像信息。

以下是几个重要的请求参数（通过表单字段传递）：

参数名类型说明
filefile必填，上传的PDF文件
output_formatstring可选，指定表格输出格式：markdown, html, latex
with_ocrboolean是否强制启用OCR（适合扫描件）
detect_tablesboolean是否检测并提取表格
detect_formulasboolean是否识别数学公式

举个例子，如果你想提取一份财务报表中的表格，并希望以Markdown格式返回，可以这样构造请求：

curl -X POST http://<your-ip>:8503/predict \ -F "file=@financial_report.pdf" \ -F "output_format=markdown" \ -F "detect_tables=true"

这些参数将在后续集成到Power Automate时派上用场。记住，不是所有PDF都需要开启全部功能，合理关闭不必要的模块（比如没有公式的文档就不开detect_formulas），可以显著提升处理速度。

1.4 安全性与访问控制建议

虽然我们现在使用的是公网IP直接暴露服务，但在生产环境中，建议增加一层安全防护：

  • 使用反向代理（如Nginx）添加HTTPS加密
  • 设置基本的身份认证（Basic Auth）或Token验证
  • 限制IP白名单，只允许来自Power Automate出口IP的请求

不过对于个人测试和小范围使用，当前配置已经足够。只要你不公开分享你的服务地址，风险非常低。

现在，我们的PDF解析引擎已经就绪，下一步就是让它和Power Platform“握手”。

2. 在 Power Automate 中封装 API 调用

Power Automate 是微软低代码生态的核心组件，它的强大之处在于可以用图形化方式连接各种服务。接下来我们要做的，就是把刚刚部署好的 PDF-Extract-Kit-1.0 服务包装成一个“自定义连接器”（Custom Connector），这样在任何Power App里都能像调用本地函数一样使用它。

2.1 创建自定义连接器

登录 Power Automate 后，进入左侧菜单的“数据” → “自定义连接器” → “新建自定义连接器”。

填写基本信息：

  • 名称：PDF Extract Kit 1.0
  • 说明：用于从PDF中提取文本、表格和图像的AI服务
  • 连接器图标：可上传一个PDF或AI相关的图标（非必需）

点击“继续”进入API定义页面。

2.2 配置连接参数与身份验证

在这个步骤中，我们需要告诉Power Automate如何连接到我们的服务。

在“安全性”选项卡中：

  • 选择“无”作为身份验证类型（因为我们目前未设密码）
  • 如果你后期加了Token验证，可以选择“订阅密钥”或“Bearer Token”

然后回到“定义”选项卡，开始添加操作。

2.3 添加“Extract PDF Content”操作

点击“+ 新建操作”，填写以下信息：

  • 操作名称：Extract PDF Content
  • 描述：上传PDF并提取结构化内容
  • 动词：POST
  • URL：{{host}}/predict
    • 其中 {{host}} 是变量，代表你的服务地址，例如 http://123.45.67.89:8503

接着配置请求体（Request Body）。由于我们要上传文件，所以选择“multipart/form-data”类型。

添加以下参数：

参数名类型必需示例值描述
fileFile是sample.pdf要解析的PDF文件
output_formatString否markdown表格输出格式
detect_tablesBoolean否true是否检测表格
with_ocrBoolean否true是否启用OCR

注意：file 类型必须选择“File”，其他为常规输入。

最后设置响应（Response）：

  • 响应内容类型：application/json
  • 示例响应：粘贴之前 curl 测试返回的 JSON 结果

保存并测试连接器。你可以上传一个小PDF进行测试，看看是否能收到正确的结构化输出。

2.4 发布并授权连接器

完成测试后，点击“保存”，然后“发布”连接器。发布成功后，它就会出现在你的组织可用连接器列表中。

此时你还需要创建一个“连接”（Connection）实例，指向你的实际服务地址。在“连接”页面点击“+ 新建连接”，输入：

  • 连接名称：My PDF Extractor
  • 主机地址：http://<your-instance-ip>:8503

保存后，这个连接就可以被Power Apps调用了。

整个过程就像给一台远程打印机装上了驱动程序——现在Windows知道怎么跟它通信了，接下来任何应用程序都可以打印。

3. 在 Power Apps 中调用并展示结果

终于到了最激动人心的部分：在Power Apps里实现一个真正的“拖拽式”PDF解析应用！我们将构建一个简单的界面，用户只需点击按钮上传PDF，就能看到提取出的文本和表格。

3.1 创建新的 Canvas App

打开 Power Apps，点击“创建” → “空白手机应用”或“平板应用”（根据使用场景选择）。

命名项目为：“智能PDF提取器”。

3.2 添加控件布局

在画布上依次添加以下控件：

  1. Label：标题，写上“PDF内容提取工具”
  2. Button：命名为“上传并解析PDF”
  3. FilePicker 控件（如果没有，可用 Image 控件替代，设置为允许PDF上传）
  4. Text Input：用于显示提取的文本内容（多行）
  5. Data Table：用于展示提取的表格数据
  6. Image Gallery：可选，用于预览提取的图片

调整布局使其美观易用。

3.3 绑定自定义连接器

点击左侧“数据源”面板，刷新后应该能看到你刚发布的 PDF Extract Kit 1.0 连接器。点击添加。

然后选中“上传并解析PDF”按钮，在“OnSelect”事件中输入以下公式：

Set( pdfResult, 'PDF Extract Kit 1.0'.ExtractPDFContent( FilePicker1.Selected.File, "markdown", true, true ) )

这里我们调用了连接器的 ExtractPDFContent 操作，传入：

  • 文件：FilePicker1.Selected.File
  • 输出格式：markdown
  • 开启表格检测
  • 开启OCR

返回结果存储在变量 pdfResult 中。

3.4 展示提取结果

接下来，我们将 pdfResult 中的数据绑定到对应控件。

显示文本内容

选中用于显示文本的 Text Input 控件，将其 Default 属性设置为：

pdfResult.text

这样当解析完成后，提取的纯文本就会自动填充进去。

解析并展示表格

表格部分稍微复杂一点，因为返回的是字符串形式的Markdown表格。我们可以用Power Fx内置函数进行简单处理。

添加一个新的集合来解析表格：

ClearCollect( ParsedTables, ForAll( Split(pdfResult.tables, "|||"), // 假设多个表格用分隔符隔开 { TableMarkdown: ThisRecord.Value } ) )

然后将 Data Table 的 Items 属性设为 ParsedTables，并设置列名为 TableMarkdown。

如果你希望进一步拆分成行列结构，可以结合 Split() 和 MatchAll() 函数实现，但这属于进阶玩法。对于大多数业务场景，直接展示Markdown格式已足够清晰。

图片预览（可选）

如果需要查看提取的图像，可以将 Image Gallery 的 Items 设置为：

Split(pdfResult.images, ",")

并通过 Image 控件加载Base64编码的图片（需额外解码逻辑，可在高级模式下使用JavaScript嵌入）。

3.5 添加加载状态与错误提示

为了让用户体验更好，我们可以加入一些反馈机制。

在按钮点击前显示加载动画：

Set(isLoading, true); Set(pdfResult, 'PDF Extract Kit 1.0'.ExtractPDFContent(...)); Set(isLoading, false)

并在界面上放一个 Spinner 或 Label 显示“正在解析…”。

同时捕获可能的错误：

If( IsError(pdfResult), Notify("解析失败，请检查文件格式或网络连接", NotificationType.Error), Notify("解析成功！", NotificationType.Success) )

这样一来，整个应用就有了完整的交互闭环。

4. 实际应用场景与优化技巧

学会了基本集成方法后，我们来看看几个真实业务场景中如何发挥这套系统的价值，以及一些实用的优化技巧。

4.1 场景一：自动提取发票信息

假设你是财务部门的一员，每天要处理几十张供应商发票。传统做法是手工录入金额、税号、日期等信息。

现在你可以这样做：

  1. 用户上传发票PDF
  2. Power App调用PDF-Extract-Kit提取全文
  3. 使用Power Automate中的“文本分析”动作，匹配关键词如“金额”、“税率”、“发票号码”
  4. 自动填入Dataverse数据库或Excel表格

这样一次上传，全程自动，效率提升十倍不止。

4.2 场景二：合同关键条款提醒

法务团队经常需要审查合同期限、违约责任、付款条件等。你可以：

  • 提取合同全文后，用正则表达式或AI文本分类模型识别特定段落
  • 当发现“自动续约”、“不可撤销”等高风险词汇时，弹出红色警告
  • 自动生成摘要报告并发送邮件通知相关人员

4.3 场景三：学术论文知识库构建

研究人员面对海量PDF论文，想要建立内部知识库。利用本方案：

  • 批量上传论文PDF
  • 提取摘要、图表、参考文献
  • 将表格数据导入数据库，支持结构化查询
  • 结合Embedding模型生成向量索引，实现语义搜索

4.4 性能优化与成本控制

虽然PDF-Extract-Kit功能强大，但AI推理是有成本的，尤其是GPU资源消耗较大。以下几点可以帮助你平衡性能与开销：

  • 按需启用OCR：清晰的电子版PDF无需OCR，关闭with_ocr可提速30%
  • 限制并发数：避免短时间内大量请求压垮服务
  • 缓存结果：相同文件MD5校验后直接返回历史结果
  • 压缩PDF：上传前用工具减小文件体积，降低传输和处理负担

此外，建议在非工作时间关闭GPU实例，仅在需要时启动，节省费用。

总结

  • 一键部署即可用：ZEEKLOG星图镜像广场提供的PDF-Extract-Kit-1.0镜像开箱即用，省去环境配置烦恼
  • 真正低代码集成：通过Power Automate自定义连接器，无需编写后端代码就能调用AI服务
  • 灵活适配多种场景：无论是发票、合同还是论文，都能高效提取结构化内容
  • 稳定可靠实测有效：整套流程我已在多个项目中验证，响应速度快，准确率高
  • 现在就可以试试：按照本文步骤操作，30分钟内就能搭建出属于你的智能文档处理器
获取更多AI镜像

想探索更多AI镜像和应用场景？访问 ZEEKLOG星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

Read more

Lostlife2.0下载官网整合LLama-Factory引擎，增强NPC对话逻辑

Lostlife2.0整合LLama-Factory引擎，重塑NPC对话逻辑 在文字冒险游戏的世界里，玩家最怕什么？不是任务太难，也不是剧情平淡——而是和一个“话术机械、反应呆板”的NPC对话时，那种瞬间出戏的割裂感。明明世界观设定是末世废土，结果NPC张口就是“绝绝子”“破防了”，这种语言风格的崩塌足以让沉浸感荡然无存。 《Lostlife2.0》作为一款以深度叙事和角色互动为核心卖点的文字冒险游戏，在开发过程中就直面了这一难题。早期版本中，NPC的对话依赖传统的决策树系统：每句台词都由编剧手动编写，每个分支都需要精确配置。这不仅导致内容维护成本极高，更带来了“选项爆炸”问题——新增一条剧情线，往往要额外添加数十个节点，最终形成一张难以管理的复杂网络。 真正的转机出现在团队引入 LLama-Factory 之后。这个开源的大模型微调框架，原本主要用于科研与企业级AI定制，但《Lostlife2.0》团队敏锐地意识到：它或许能成为解决NPC智能瓶颈的关键工具。通过将LLama-Factory深度集成到开发流程中，他们成功构建了一套动态、可进化、风格一致的对话生成系统，彻底改变了传
新手如何用AI写小说？全流程教学+3款好用的AI写作软件推荐（附提示词）

新手如何用AI写小说？全流程教学+3款好用的AI写作软件推荐（附提示词）

最近后台私信都要爆了，好多粉丝朋友问我：“大大，我也想做自媒体写网文，但每次对着空白文档就想把键盘吃了怎么办？”、“大纲写得跟流水账一样，还没写到第十章就崩了……” 作为一个在码字圈摸爬滚打多年，掉过无数坑、也熬过无数通宵的写小说的老兵，我太懂这种“甚至不知道第一句话该写什么”的崩溃感了。 这两年为了找顺手的工具，我当真是神农尝百草，把市面上主流的ai写小说工具试了个遍。接下来我会教大家怎么用通用大模型进行一些写作前的准备（包括提示词），准备工作充足后再开始用AI写作工具填充内容。 一、写作前的准备工作 1、确定小说类型与主题 在开始创作前，先明确小说的基本方向： * 赛道选择： 明确核心流派（如赛博朋克、修真、本格推理等）与细分领域。 * 内核设定： 提炼作品的中心思想与核心价值观（Theme）。 * 受众锚定： 清晰画像目标读者群体。 * 竞品调研： 分析市场风向，寻找题材蓝海。 提示词： 请扮演一位资深网文编辑，分析当前玄幻小说市场的热门趋势。请提供 5个具有爆款潜力的创新主题。对于每个主题，请包含以下内容： 核心概念： 一句话概括故事内核。 世界观
【GitHub Copilot】Figma MCP还原设计稿生成前端代码

【GitHub Copilot】Figma MCP还原设计稿生成前端代码

这里写自定义目录标题 * Step1：让AI给你配置MCP * Step2：替换成自己的Figma密钥 * Step3：如何使用 Cursor+Figma MCP的教程已经很多了，由于我所在的公司采购的是GitHub Copilot，我研究了一下直接在vscode里利用GitHub Copilot接入Figma MCP进行设计稿还原代码，大获成功，这里分享我的步骤，希望能帮到你。 Step1：让AI给你配置MCP 在vscode中打开你的项目（我的例子是一个微信小程序），呼出github copilot对话框，模式选择Agent，模型建议Claude 3.7 Sonnet，提问： https://github.com/GLips/Figma-Context-MCP 如何配置能让你在vscode里使用这个mcp 之后跟着提示狂点下一步即可完成配置，如果有什么需要装的vscode插件它会自动帮你装，甚至自动生成了配置说明文档。 由于不能保证AI每次生成的答案都一致，这里附上我的运行结果作为参考，可以看到它在项目文件夹最外层建了一个.vscode文件夹，在sett
【花雕动手做】拆解机器人底盘DDSM400钕强磁外转子65mm伺服轮毂电机

【花雕动手做】拆解机器人底盘DDSM400钕强磁外转子65mm伺服轮毂电机

做小型高精度全向机器人底盘，想找一款 “省心又能打” 的动力核心？DDSM400 钕强磁外转子 65mm 伺服轮毂电机 绝对是优选——它把无刷电机、FOC 伺服驱动、高精度编码器集成一体，钕强磁加持、外转子直驱设计，不用额外搭配驱动板，直接装轮就能用，是麦克纳姆轮底盘的 “一体化动力神器”。 但很多创客只知道它好用，却不清楚内部构造：钕强磁转子藏着怎样的动力秘密？伺服驱动和编码器是如何实现精准控制的？外转子直驱为什么能做到零背隙、低噪音？ 这里，就完整拆解这款 DDSM400 伺服轮毂电机，从外到内拆解核心部件，解析它的结构优势与工作逻辑，帮你真正看懂这款 “一体化伺服电机”，以后选型、改装、调试机器人底盘，都能心里有底、少走弯路。 DDSM400 伺服轮毂电机・简单拆解步骤 1、拧下轮毂固定螺丝用内六角扳手卸下电机外圈的固定螺丝，分离轮毂外壳与端盖。 2、取出外转子与强磁体轻轻取下外转子总成，内部可见一圈钕铁硼强磁，注意磁力较大，轻拿轻放。 3、