大模型 API 不支持直接輸入 PDF？3 種預處理方案幫你解決

作者注：解答開發者最常問的問題：大模型 API 能否直接傳 PDF？答案是絕大多數不支持。本文詳解文字化提取、圖片理解、客戶端處理 3 種實用方案

"大模型 API 能不能直接把 PDF 文件傳進去？"——這是我們客服羣裏被問得最多的問題之一。很多開發者在網頁版 ChatGPT 或 Claude 裏用慣了"拖入 PDF 直接對話"的功能，就以爲 API 也能這樣操作。

實際情況是：絕大多數大模型 API 不支持直接輸入 PDF 文件。即使是 OpenAI、Anthropic 這樣的頭部廠商，API 接口的核心輸入格式仍然是文本和圖片——PDF 並不在標準支持範圍內。更重要的是，API易等第三方 API 中轉平臺同樣不支持 PDF 直傳，因爲底層協議就不支持。

但別擔心，PDF 處理其實有 3 種成熟的解決方案。本文將帶你搞清楚來龍去脈，選出最適合你的方式。

核心價值: 讀完本文，你將理解大模型 API 爲什麼不支持 PDF，以及如何用 3 種預處理方案高效解決 PDF 輸入需求。

<！– SVG_COVER: 封面圖 – PDF無法直傳API + 3種預處理方案 –>

大模型 API PDF 輸入核心要點

大模型 API 爲什麼不支持 PDF 輸入

很多開發者會困惑：網頁版明明可以上傳 PDF，爲什麼 API 不行？原因很簡單——網頁版的"上傳 PDF"功能並不是模型本身在處理 PDF，而是前端/後端在你看不到的地方做了預處理：

1. 文本提取: 前端把 PDF 裏的文字提取出來，轉成純文本再傳給模型
2. 頁面渲染: 把 PDF 每頁渲染成圖片，通過 Vision 能力讓模型理解
3. RAG 檢索: 將 PDF 內容向量化存儲，對話時只檢索相關片段發送給模型

這些預處理步驟在網頁版產品中被封裝了，用戶無感知。但當你直接調用 API 時，這些預處理需要你自己完成。

大模型 API PDF 支持情況速查

🎯 重要說明: 雖然 Claude 和 Gemini 的官方 API 文檔中提到了 PDF 輸入功能，但該功能存在兼容性和穩定性的不確定性，且通過 API易等第三方中轉平臺調用時不支持 PDF 直傳。我們建議統一走預處理方案，兼容性最好、最穩定。

大模型 API PDF 處理方案一：前置文字化提取

這是最通用、成本最低、兼容所有模型的方案。核心思路：先用 Python 庫把 PDF 轉成 Markdown 或純文本，再將文本作爲 prompt 傳給 API。

PDF 文字化提取工具對比

PDF 文字化提取代碼示例

以下是最常用的方案，提取 PDF 文本後傳給大模型 API：

import pymupdf4llm
import openai

# 步驟1: PDF 轉 Markdown
md_text = pymupdf4llm.to_markdown（"report.pdf"）

# 步驟2: 純文本傳給任意大模型
client = openai.OpenAI（
    api_key="YOUR_API_KEY"，
    base_url="https://api.apiyi.com/v1"
）

response = client.chat.completions.create（
    model="gpt-4o"，
    messages=[{"role": "user"， "content": f"請總結這份報告的核心要點：\n\n{md_text}"}]
）
print（response.choices[0].message.content）

適用場景: 合同、論文、報告、技術文檔等以文字爲主的 PDF。只要 PDF 內嵌了文本層（非掃描件），提取效果都很好。

建議: 文字化提取方案兼容所有大模型——GPT、Claude、DeepSeek、Llama、Qwen 都可以。通過 API易 apiyi.com 獲取 API Key，一個 Key 可以調用所有模型進行對比測試。

<！– SVG_DIAGRAM: 3種方案的處理流程對比圖 –>

大模型 API PDF 處理方案二：轉圖片 + 視覺理解

當 PDF 中包含圖表、掃描件、複雜排版等視覺信息時，純文本提取會丟失這些內容。這時需要將 PDF 每頁渲染成圖片，通過支持 Vision 的模型進行圖片理解。

PDF 轉圖片代碼示例

import fitz  # PyMuPDF
import base64
import openai

# 步驟1: PDF 逐頁轉爲 PNG 圖片
doc = fitz.open（"report.pdf"）
images = []
for page in doc:
    pix = page.get_pixmap（dpi=200）
    b64 = base64.b64encode（pix.tobytes（"png"））.decode（）
    images.append（b64）

import fitz
import base64
import openai

def pdf_to_vision（pdf_path， question， max_pages=10）:
    """將 PDF 轉圖片後傳入 Vision API"""
    doc = fitz.open（pdf_path）

    # 構建多圖消息（注意控制頁數避免 Token 超量）
    content = [{"type": "text"， "text": question}]
    for i， page in enumerate（doc）:
        if i >= max_pages:
            break
        pix = page.get_pixmap（dpi=150）
        b64 = base64.b64encode（pix.tobytes（"png"））.decode（）
        content.append（{
            "type": "image_url"，
            "image_url": {"url": f"data:image/png；base64，{b64}"}
        }）

    client = openai.OpenAI（
        api_key="YOUR_API_KEY"，
        base_url="https://api.apiyi.com/v1"
    ）

    response = client.chat.completions.create（
        model="gpt-4o"，
        messages=[{"role": "user"， "content": content}]
    ）
    return response.choices[0].message.content

# 使用示例
result = pdf_to_vision（
    "financial_report.pdf"，
    "請分析這份財報中的趨勢圖表，總結核心數據"，
    max_pages=5  # 控制頁數，每頁約消耗 765 tokens
）
print（result）

適用場景: 帶圖表的研報、掃描件、發票、建築圖紙等視覺信息豐富的 PDF。

成本提醒: 每頁圖片約消耗 765 tokens（GPT-4o 標準分辨率），10 頁 PDF 就是約 7，650 tokens 的圖片成本，加上文字提問和回答可能超過 10，000 tokens。務必控制頁數。

🎯 成本控制建議: 不要一次傳入整份 PDF 的所有頁面。先用方案一提取文本做粗篩，確定關鍵頁面後再用方案二對特定頁面做圖片理解。通過 API易 apiyi.com 的用量面板可以實時監控 Token 消耗。

大模型 API PDF 處理方案三：AI 客戶端處理

如果你不想寫代碼，只是日常對話中需要"問 PDF 裏的內容"，使用 AI 客戶端是最省事的方式。

Cherry Studio 等客戶端的 PDF 處理原理

這類客戶端實際上就是幫你自動完成了方案一和方案二的工作：

1. 自動向量化: 將 PDF 內容提取後切分成小塊，存入本地向量數據庫
2. 語義檢索: 你提問時，客戶端先檢索最相關的內容片段
3. 精準發送: 只把相關片段（而非全文）發送給大模型 API
4. 節省 Token: 通過 RAG 檢索大幅減少發送給模型的內容量

客戶端處理 PDF 的注意事項

• 配置 API Key: 在客戶端中填入 API易 apiyi.com 的 API Key，即可通過一個 Key 訪問所有模型
• 控制文件大小: 超大 PDF（幾百頁）向量化時間較長，建議拆分後處理
• 注意 Token 費用: 雖然 RAG 會壓縮內容，但長文檔仍可能產生較高費用
• 選擇合適模型: 簡單問答可用便宜模型（如 GPT-4o-mini），複雜分析用旗艦模型

大模型 API PDF 處理 3 種方案對比

<！– SVG_COMPARISON: 3種方案的成本/效果/適用場景綜合對比 –>

對比說明: 三種方案不是互斥的，實際項目中往往組合使用。例如先用方案一提取文本做粗篩，再對關鍵頁面用方案二做圖片理解。通過 API易 apiyi.com 可以統一接入所有模型。

常見問題

總結

大模型 API PDF 輸入的核心要點：

1. 絕大多數 API 不支持直接 PDF 輸入: 大模型的核心輸入是文本和圖片，PDF 需要預處理後才能使用
2. 第三方平臺同樣不支持: API易等中轉平臺透傳原始協議，無法額外處理 PDF
3. 3 種方案按需選擇: 純文本 PDF 用文字化提取（最省錢），帶圖 PDF 轉圖片理解（最保真），日常對話用客戶端（最省事）

不必糾結於"哪個 API 支持 PDF"，而是把精力放在選對預處理方案上——這纔是正確的思路。

推薦通過 API易 apiyi.com 獲取免費額度，預處理 PDF 後用一個 API Key 調用 GPT、Claude、DeepSeek 等所有主流模型進行測試對比。

📚 參考資料

1. PyMuPDF4LLM 文檔: PDF 文字化提取工具

   • 鏈接: pymupdf.readthedocs.io/en/latest/pymupdf4llm
   • 說明: 速度最快的 PDF 轉 Markdown 工具，推薦首選

2. pdfplumber 文檔: 表格提取專用工具

   • 鏈接: github.com/jsvine/pdfplumber
   • 說明: PDF 中表格數據提取精度最高的工具

3. Cherry Studio: 開源 AI 客戶端

   • 鏈接: github.com/CherryHQ/cherry-studio
   • 說明: 支持 PDF 拖入對話的免費客戶端，可配置 API易作爲後端

4. API易平臺文檔: 統一接入各大模型 API

   • 鏈接: docs.apiyi.com
   • 說明: API Key 獲取、模型列表和調用示例

作者: APIYI 技術團隊
技術交流: 歡迎在評論區討論，更多資料可訪問 API易 docs.apiyi.com 文檔中心