文档解析技术选型摘要 本文系统介绍了多种文件格式的解析技术方案，包括TXT/Markdown、PDF、DOCX、PPTX、XLSX和CSV等常见格式。核心采用Python生态工具链，平衡性能、准确性和易用性，主要特点包括： 多格式支持：针对每种格式选用最优解析库，如PyMuPDF处理PDF文字、EasyOCR识别扫描件、python-docx解析Word等。 PDF三阶段策略： 优先用PyMuPD

docker中nacos容器连接本地mysql失败（已解决）

本文对比分析了四种主流智能体框架的设计特点： AutoGen：采用分层架构，分为底层核心(autogen-core)和高级对话接口(autogen-agentchat)，支持异步编程提升多智能体协作效率，通过GroupChat等机制协调任务流程。 AgentScope：组合式消息驱动架构，核心包含消息中心(MsgHub)和工作流编排(Pipeline)，支持异步执行和实时控制，提供可视化开发工具链

本文介绍了一种基于任务拆解的LLM工作模式，通过Planner和Executor分工协作完成复杂任务。文章包含三个核心部分：1) 配置LLM客户端，封装OpenAI接口并处理异常；2) 设计两种提示模板（PLANNER_PROMPT_TEMPLATE和EXECUTOR_PROMPT_TEMPLATE），分别用于任务规划和步骤执行；3) 实现Planner类解析任务为步骤列表，Executor类按顺