用途
GPU Document Processing 是一个用于大规模文档处理的技能，适用于处理大型 PDF 文件、文档集合以及批量文本抽取任务，尤其适合那些能受益于 GPU 加速的场景。典型触发情形包括：处理 50 页以上的大型 PDF、分析 10 个以上文件的文档集合、从非结构化文档中提取结构化数据、执行批量文本抽取与分块、为大型文档集生成嵌入，以及用户上传或引用大型文档进行分析。
主要能力
- PDF 文本抽取：从 PDF 文档中提取文本内容并保留版式，可分别检测标题、段落、列表和表格，保留页码与章节边界，并处理多栏布局。
- 表格数据抽取：将文档中的表格提取为结构化格式，使用 GPU 加速解析把 PDF 表格转为 CSV/DataFrame，自动进行列类型检测，支持合并单元格与多行表头。
- 文档分块：将大型文档切分为有意义的块，支持按主题/章节边界的语义分块，也支持带重叠的固定长度分块，块大小可配置（默认 512 tokens）。
- 嵌入生成：为文档块生成向量嵌入，使用 NVIDIA NeMo Retriever NIM 实现 GPU 加速嵌入，支持大批量文档集的批处理，并兼容标准向量存储（Milvus、ChromaDB）。
架构与工作方式
该技能采用「沙箱即工具」（sandbox-as-tool）模式进行 GPU 执行：
- 智能体在 CPU 上推理——负责规划、综合与报告撰写；
- 处理任务发送到配备 GPU 的沙箱——负责文档解析、嵌入与抽取；
- 结果返回智能体——以结构化输出供进一步分析。
这种分离带来以下特点：API 密钥保留在沙箱之外（安全）；智能体状态独立于处理任务持续存在；处理可在多个文档间并行；成本更高效，因为 GPU 仅在处理阶段使用，而非推理阶段。
工作流程为：从编排器接收文档引用 → 确定处理类型（抽取、分析或嵌入）→ 发送到 GPU 沙箱处理 → 收集结构化结果（文本、表格、嵌入）→ 将发现写入 /shared/ 供编排器综合。
处理大型文档集合
面对多个文档时，建议：以并行批次处理文档（3–5 个并发）；先抽取关键元数据（标题、日期、作者、页数）；为每个文档生成摘要；跨文档交叉引用发现；输出带逐文档引用的综合结论。
输出格式
报告文档处理结果时，应包含文档元数据（文件名、页数、大小）；按章节/章组织提取内容；将表格格式化为 markdown 表格；为所有提取内容标注页码引用；并说明抽取质量问题（如扫描图像、损坏页面）。
与 NVIDIA NIM 的集成
生产部署中，GPU 文档处理可利用：NVIDIA NeMo Retriever（GPU 加速的嵌入与检索）、NVIDIA RAPIDS cuDF（对抽取表格进行表格数据处理）、NVIDIA Triton（文档分类模型的可扩展推理）。自托管部署选项可参考 NVIDIA 的 NIM 文档。
限制
资料未提供该技能的具体安装命令、许可与收费信息、支持的模型清单、性能基准、GPU 型号要求及平台限制，这些内容暂未提供。