跳到主要内容

文档导入

SOP 工作室可以从 DOCX 和 PDF 文档导入现有的标准操作程序。LLM 从文档内容中提取决策树结构，然后你可以在可视化编辑器中审查和完善。

支持的格式​

格式扩展名说明
Microsoft Word.docx保留表格、列表和标题
PDF.pdf基于文本的 PDF；不支持扫描文档

工作原理​

  1. 上传 -- 将文件拖拽到导入区域或点击"导入文档"。
  2. 解析 -- SDK 使用 parseDocx 或 parsePdf 在客户端解析文档。
  3. 提取 -- 将解析后的文本发送到 LLM（客户端处理，使用你自己的 API 密钥）以提取结构化决策树。
  4. 审查 -- 提取的决策树加载到可视化编辑器中供审查和调整。
  5. 保存 -- 确认无误后，将 SOP 保存到注册中心。

LLM 配置​

文档提取使用 LLM 将非结构化文本转换为结构化决策树。LLM 调用完全在客户端运行 -- SOP 工作室不会将你的文档发送到 KnowledgePulse 服务器。

在设置面板中配置你的 LLM 提供商：

import type { LLMConfig } from "@knowledgepulse/sdk";

const config: LLMConfig = {
  provider: "openai",          // "openai" | "anthropic" | "ollama"
  apiKey: "sk-...",            // 你的 API 密钥（本地存储）
  model: "gpt-4o",            // 模型标识符
  baseUrl: undefined,          // 自定义端点（Ollama 必填）
  temperature: 0.2,           // 较低值 = 更确定性的提取
};

支持的提供商​

提供商模型本地运行？
OpenAIgpt-4o、gpt-4o-mini否
Anthropicclaude-sonnet-4-20250514、claude-haiku-4-20250414否
Ollama任意本地模型是

SDK 函数​

文档导入流程使用三个 SDK 函数：

parseDocx(buffer: ArrayBuffer): Promise<ParseResult>​

解析 DOCX 文件并返回结构化文本内容。

import { parseDocx } from "@knowledgepulse/sdk";

const buffer = await file.arrayBuffer();
const result = await parseDocx(buffer);

console.log(result.text);       // 纯文本内容
console.log(result.sections);   // 基于标题的章节
console.log(result.tables);     // 提取的表格

parsePdf(buffer: ArrayBuffer): Promise<ParseResult>​

解析 PDF 文件并返回结构化文本内容。

import { parsePdf } from "@knowledgepulse/sdk";

const buffer = await file.arrayBuffer();
const result = await parsePdf(buffer);

extractDecisionTree(parseResult: ParseResult, config: LLMConfig): Promise<ExtractionResult>​

将解析后的文档内容发送到配置的 LLM 并返回结构化决策树。

import { extractDecisionTree } from "@knowledgepulse/sdk";

const extraction = await extractDecisionTree(result, config);

console.log(extraction.name);           // 检测到的 SOP 名称
console.log(extraction.domain);         // 检测到的领域
console.log(extraction.decision_tree);  // ExpertSOP decision_tree 数组
console.log(extraction.confidence);     // 0.0 到 1.0
console.log(extraction.warnings);       // 提取问题

审查流程​

提取完成后，决策树将带有视觉指示器加载到编辑器中：

指示器含义
绿色轮廓高置信度提取（高于 0.8）
黄色轮廓中等置信度（0.5--0.8），建议审查
红色轮廓低置信度（低于 0.5），可能需要手动编辑

审查每个节点的属性，修复提取错误，并在保存前添加缺失的连接。

提示​

  • 结构化你的文档 -- 包含编号步骤、标题和表格的 SOP 文档能产生更好的提取结果。
  • 使用较低的温度 -- 0.1--0.2 的温度可以产生更一致的决策树。
  • 务必审查 -- LLM 提取并不完美。在保存到注册中心之前，务必审查结果。