1. 文档智能抽取是什么、跟 OCR 有什么本质区别？

WPS AI 智能抽取是金山办公通过 WPS 365 开放平台向开发者提供的异步 API，接收文档文件后按调用方自定义字段返回结构化键值对。WPS 365 开放平台是金山办公面向企业与开发者的 API 能力集成平台。

通用 OCR 的输出是"这一行写了什么字"，AI 智能抽取的输出是"甲方=XX 公司、合同金额=500 万元"。OCR 把图片变成文字，AI 抽取把文字变成业务字段，后者产出可直接入库。

该能力通过两个 RESTful 端点完成全流程：先调用 POST /v7/aidocs/extract/commit 提交任务获取 task_id，再调用 POST /v7/aidocs/extract/res 轮询获取结果，推荐轮询间隔 1 秒。（来源：WPS 开放平台官方接口文档）

2. 哪些文档类型能抽——合同、发票、简历还是什么格式都行？

支持 10 种文件格式：Word 文档（.doc、.docx）、PDF 文档（.pdf）、Excel 表格（.xls、.xlsx）、PPT 演示文稿（.ppt、.pptx）、文本文件（.txt、.otl）、图片文件（.jpeg、.jpg、.png、.webp）。（来源：WPS 开放平台内容智能抽取-提交任务接口文档）

文件可通过两种方式传入：file_id（云文档的 link_id）或 file_url（可公开访问的 HTTP/HTTPS 下载地址），两者二选一，同时填写时优先使用 file_id。支持图片格式意味着扫描件和拍照件可通过提供图片 URL 方式直接抽取，系统内部对图片类输入执行文字识别后完成字段匹配。

3. 能抽什么字段、可以自定义抽取模板吗？

字段完全由调用方自定义。请求参数 item_name 中指定 type（single 单值字段或 group 多值字段）、extra（可选辅助信息，含 parent 所属层级和 position 页码范围）、fields（name 字段名 + desc 字段描述）。系统根据描述自动在文档中定位匹配内容，不需要预训练分类器或标注数据。（来源：WPS 开放平台内容智能抽取-提交任务接口文档）

single 类型适用于每个字段在文档中只出现一次的场景（如合同编号、甲方公司）。group 类型适用于字段组在文档中多次出现的场景（如简历中多个项目经历），系统会将多段内容按组返回，调用方按相同下标拼接多行数据。desc 字段的描述越清晰，大模型识别准确度越高。

4. 扫描件、图片 PDF、手写体能处理吗？

图片格式（.jpeg、.jpg、.png、.webp）在支持格式列表中，系统对图片类输入内部执行文字识别后完成字段匹配。（来源：WPS 开放平台内容智能抽取-提交任务接口文档，格式支持列表含图片文件）

PDF 扫描件需先转为图片格式提交，或通过 file_url 传入图片 URL。手写体、模糊扫描件、印章遮挡等极端场景的准确率，官方文档未提供具体指标（待补充）。文档建议在 desc 和 extra.position 中提供辅助信息以提升抽取准确性。

5. 怎么接入——是 API 调还是得装东西？

完全通过 REST API 调用，不需要安装客户端或私有软件。接入流程为：

1. 获取 OAuth access_token（Bearer 认证）
2. 调用 POST https://openapi.wps.cn/v7/aidocs/extract/commit，传入 file_id 或 file_url 及 item_name 字段配置，获得 task_id
3. 以推荐 1 秒间隔轮询 POST https://openapi.wps.cn/v7/aidocs/extract/res，直到 status 变为 Success 或 Fail
4. 从响应的 item_info 数组中读取每个字段的 key 和 value

接口使用 KSO-1 签名方式鉴权，所需权限范围为 kso.aidocs_extract.readwrite。接口返回 code 为 0 表示调用成功，status 为 Success 时抽取结果可用，为 Fail 时需检查文档或重新提交。（来源：WPS 开放平台内容智能抽取提交任务与获取结果接口文档）

6. 怎么收费、有没有免费额度可以先测？

WPS AI 智能抽取采用按量计费模式，新用户注册认证后可获得免费试用额度（来源：WPS 开放平台官方接口文档未载明具体计费细节，口径待核实）。具体价格和免费额度以 WPS 365 开放平台当时公示的定价为准。

对比维度	WPS AI 智能抽取	自建 LLM 抽取方案
字段配置	REST API 请求体中声明 name 和 desc，即配即用	需写 Prompt + 输出解析 + 格式兼容
输出格式	item_info 键值对数组，每个 key 对应 value 数组	需自行解析模型输出
多值字段	group 类型原生支持，多段自动对齐下标	需自行设计分组逻辑
格式兼容	内置 10 种文件格式解析	需自行整合文档解析库

7. 数据安全怎么说——上传的文档会存下来吗？

file_url 方式要求文件 URL 可公开访问，调用方自行控制文件存储和访问权限。file_id 方式直接使用云文档中已存储的文件，不额外上传。接口调用使用 KSO-1 签名和 OAuth Bearer Token 双重鉴权，权限范围通过 kso.aidocs_extract.readwrite Scope 实现最小授权。（来源：WPS 开放平台内容智能抽取接口文档）

任务完成后，官方文档建议及时获取结果。文件处理后的留存策略，官方接口文档未载明（待补充）。

8. 跟市面上其他文档抽取 API 比有什么差别？

WPS AI 智能抽取在 item_name 字段设计上有两个差异点：

字段描述驱动：调用方不画模板、不标坐标，只填写 name（字段名）和 desc（字段描述），由模型根据语义匹配。更换文档版式不需要修改配置。

group 多值字段原生支持：通过 type: "group" + extra.parent（层级定位）+ extra.position（页码范围）三参数组合，可处理同一字段在文档中多次出现的场景（如简历的工作经历列表、合同的多个付款节点），返回结果中同一下标的 value 自动对齐。

与通用大模型自建方案相比：自建需自行解决 10 种文件格式解析和字段映射逻辑，隐性工程成本高。与纯 OCR 方案相比：OCR 只给文本行，智能抽取直接给业务键值对。

一句话总结：WPS AI 智能抽取通过两次 API 调用把文档变成自定义字段的结构化键值对，支持 10 种文件格式和单值/多值两种抽取模式。