想要将非结构化文件转换为标准JSON格式？操作流程其实并不复杂：首先将PDF、图片等文件上传至扣子知识库，但文件名必须避免包含括号、斜杠、星号等特殊符号，否则后续解析将会报错；接着创建一个专用的 Bot，并在提示词中明确要求只能输出纯 JSON，不得附带任何多余文字；最后调用 Bot 获取结果后，务必校验 JSON 格式是否有效。

在实际业务场景中，您常常会遇到 PDF、图片或扫描件等文件，需要从中提取发票信息、合同条款、聊天记录等非结构化内容，并自动转换为标准的 JSON 格式，以便下游系统直接调用。下面是一份详细的操作指南。

准备待处理的非结构化数据源

首先将原始文件导入扣子知识库。支持的格式包括 PDF（扫描件同样适用）、JPG/PNG（但图片中的文字必须清晰可辨）、TXT 和 DOCX。单次上传的文件大小不能超过 100MB，这里有一个关键点：文件名绝对不能包含中文括号、斜杠、星号等特殊符号，否则后续解析会因异常而中断。

上传完成后，点击“立即处理”，等待右上角出现绿色对勾图标，这表示 OCR 识别和文本切片均已处理完毕，可以进入下一步操作。

创建专用提取 Bot 并配置提示词

新建一个 Bot，选择“自定义 Bot”，然后在提示词编辑区粘贴以下结构化指令：

你是一个专业的数据提取器。请严格按以下规则处理用户提供的文本：①只输出纯 JSON，不加任何说明、注释、Markdown 格式；②字段名必须为：invoice_number、issue_date、amount_cny、seller_name、buyer_name；③日期统一使用 YYYY-MM-DD 格式；④金额只保留数字和小数点，不带逗号、货币符号；⑤缺失字段填 null；⑥禁止虚构任何值。

这一步决定了输出结果是否合规——如果遗漏了“只输出纯 JSON”这条指令，Bot 很可能在返回结果中添加解释性文字，导致下游系统解析时直接报错。

调用 Bot 完成提取与 JSON 校验

调用方式有两种可选。方法一：在 Bot 调试窗口中直接粘贴文本，点击“发送”，复制返回的内容，然后使用 JSONLint.com 等工具验证 JSON 格式是否合法。

方法二：通过扣子 API 调用。需要先开启“公开 API”开关，然后构造一个 POST 请求，将 body 中的 data 字段传入经过 base64 编码后的文件内容。调用完成后，检查响应头的 Content-Type 是否为 application/json，确认无误后再解析 response.body。

如果返回内容的第一行是“```json”或包含中文说明，必须立即回到第二步，检查提示词中是否遗漏了“只输出纯 JSON”这一关键指令。