用途：该技能面向建筑行业文档处理，使用大语言模型从 RFI、提交件（Submittal）、合同、规范、日报等非结构化 PDF 中自动抽取结构化数据，解决建筑文档数据分散、难以利用的问题。
主要能力：提供针对不同文档类型的抽取模式（schema），例如 RFI 可抽取编号、提交日期、要求日期、往来公司、主题、问题、回复、状态、成本与进度影响、附件；提交件可抽取规范章节、制造商、产品名称、型号、审批状态、评审意见、材料清单；合同可抽取合同编号、项目名称、业主与承包商信息、合同金额、起止日期、违约金、保留金比例、关键条款；规范可抽取材料、标准与要求；日报可抽取天气、人工、设备与进度。还支持用视觉模型从图纸图片中提取信息（如房间面积），以及用 RAG 对上百页长文档建立向量索引后问答检索。
使用方式：核心流程为用 pdfplumber 读取 PDF 文本，构造带 schema 的提示词，调用 OpenAI 接口并指定 JSON 输出格式，再解析返回结果。批量处理可用 n8n 工作流：监控文件夹中的新 PDF、用 AI Agent 分类文档类型、按类型路由到对应抽取节点、写入 PostgreSQL 并更新仪表盘。长文档可用 LangChain 的 PyPDFLoader 加载、RecursiveCharacterTextSplitter 切分、OpenAIEmbeddings 向量化并存入 Qdrant，再检索问答。
依赖安装：pip install openai pdfplumber langchain langchain-openai qdrant-client
适用场景：建筑项目文档数字化、合同条款提取、提交件审批信息汇总、图纸信息识别、长合同问答检索等。
限制：资料未提供具体收费、价格、平台支持范围与效果指标；示例中提示词对文本做了截断（如 8000 字符）以适应上下文限制，长文档需依赖 RAG 方案；抽取准确性依赖模型与 schema 设计，资料未给出准确率数据。