PDF / 文档输入

PDF 与图片可以先转成 markdown 再进上下文——转完之后就是普通文本，能检索、能引用、能被 压缩，不占视觉模型的账。

与当前 provider 解耦

文档解析走 GLM-OCR，独立于你正在用的模型：

用 DeepSeek 干活 + 配一个 GLM key ⟶ 照样能解析 PDF

它需要的是 GLM 的 key（环境变量 ZHIPUAI_API_KEY，或 settings 里的 providers.glm.apiKey），不要求你把 active provider 切到 GLM。没有 GLM key 时会明确报 「缺少 key」，不会静默失败。

输出

返回 markdown，附带页数。转换后的内容当作普通文本进入上下文——你可以让它 Grep、可以让它 引用某一段、可以让它对照另一份文件，这些在「把 PDF 当图片看」的模式下都做不到。

超时与错误

情况	表现
超过 180 秒	报「文档解析超时」
服务端非 2xx	报「文档解析失败：HTTP <状态码>」
响应结构不对	报「文档解析失败：响应无 md_results」

三种都是明确报错，不会返回一份空文档让你以为解析成功了。

需要代理时它会读 https_proxy / HTTPS_PROXY / http_proxy / HTTP_PROXY。

什么时候用哪个

• 截图、图表、界面问题 → 图片视觉，让模型直接看
• PDF、扫描件、有版式的长文档 → 文档解析，转成 markdown

判据是你之后要不要对内容做文本操作。要检索、要引用、要跨文件对照，就先转 markdown。

---

相关：图片视觉 · 多 provider