用途：该技能用于在 Databricks 上将非结构化文档解析为结构化文本，是文档处理和自定义 RAG 流水线的基础。
主要能力：核心为 SQL AI 函数 ai_parse_document(content) 或 ai_parse_document(content, options)，输入为二进制文档内容（来自 read_files 的 format => 'binaryFile'），输出为带 document.pages[]、document.elements[]、metadata 的 VARIANT。支持 PDF、DOC/DOCX、PPT/PPTX、JPG/JPEG、PNG。可通过 execute_sql 调用。
用法要点：先解析文档，再用 transform() 与 try_cast() 拼接元素文本，交给 ai_query 抽取结构化字段；或构建 RAG：解析并切分写入 Delta 表，启用 Change Data Feed 后用 databricks-vector-search 建立 Delta Sync 索引并查询。生产环境可用 Structured Streaming，按文件哈希 repartition 并行、以 checkpoint 保证 exactly-once、trigger(availableNow=True) 处理待办文件后停止。将 VARIANT 传入 explode 前须先 variant_get(doc, '$.document.elements', 'ARRAY<VARIANT>') 转换。
常用选项：version 设为 '2.0'、imageOutputPath 保存渲染页图、descriptionElementTypes 控制 AI 生成描述。
限制与注意：需 Databricks Runtime 17.1+ 和 Serverless SQL Warehouse，区域限 US/EU 或启用跨地域路由；大文档开发时用 LIMIT 控制成本；explode() 不接受原始 VARIANT；解析会产生页眉页码等碎片，建议用 length(trim(...)) > 10 过滤；ai_query 建议 returnType => 'STRING' 以避免 markdown 代码围栏；避免重复解析未变文档可用带 checkpoint 的流式处理。相关技能包括 databricks-vector-search、databricks-agent-bricks、databricks-spark-declarative-pipelines、databricks-dbsql。