Hello，大家好，我是二号小明。今天给大家分享一个我使用比较多而且很强大的 内容提取神器Doc Research（MS-Agent）。

该工具是有ModelScope开源，可私有化部署，并支持图文等多模式内容生成以及样式排版，为自媒体内容创作以及学术报告研究提供强有力的支撑！

从去年的“百模大战”到如今的“千体竞争”，AI的发展速度很快，但真正落实到具体的应用场景时，我们有时还是无法能够快速使用或找到对应的工具。比如你想快速对一个产品报告、技术文档、学术报告等以图文形态进行总结提炼时，却总是很难找到较为满意的工具。

下面就是我本地部署通过对GPT5的System Card文档进行总结提炼效果：

本文主要从几个方面介绍该工具的使用

一、Doc Research是什么？能解决什么问题？

1. Doc Research 🔬 简介
介绍Doc Research之前，我们先了解下 MS-Agent，因为Doc Research 属于MS-Agent 扩展的一个应用。

MS-Agent 是一个轻量级框架，旨在赋予代理自主探索能力。它提供了一个灵活且可扩展的架构，允许开发人员创建能够执行复杂任务的代理，例如代码生成、数据分析和具有 MCP（模型调用协议）支持的通用工具调用。
Doc Research是MS-Agent的基础上，结合大模型以及文档分析工具扩展出的应用实例。可针对用户提供的文档以及文档的URL，进行多模式的输出。

主要特点：

🔍 1. 文档深度研究 - 支持文档的深度分析和总结
📝 2. 多种输入类型 - 支持多文件上传和URLs输入
📊 3. 多模态报告 -支持Markdown格式的图文报告输出
🚀 4. 精准高效 -利用强大的LLM进行快速准确的研究，采用关键信息抽取技术进一步优化了token使用
⚙️ 5. 灵活部署 -支持本地运行和魔搭创空间运行模式，兼容CPU和GPU环境 💰 免费模型推理 - 魔搭ModelScope用户可免费调用LLM API推理

2. 核心功能：针对文档可以图文的形式进行总结提炼、排版
   最近 ，GPT-5与Gemini3.0 等模型相继发布，在业界掀起了不小的波澜。大多数人都迫不及待地去体验——要么自己用提示词尝试，要么观看官方或其他博主的体验分享。然而，除了这些“表层”体验，我们其实更应该深入阅读这些模型的技术文档，去理解背后的原理与能力。
   

不过，技术文档往往篇幅冗长，且混合了英文、图片、代码等多种内容，阅读和整理成本不低。如果有一款工具，能够将整份文档进行智能提炼，生成图文并茂、结构清晰的总结，那将极大提升我们的学习与研究效率。

针对模型发布的技术文档以及学术报告，Agent采用多模态的模型，结合MCP可以快速的进行图文内容总结和自动排版，可一目了然的快速掌握核心思想。

同时结合自定义提示词，可生成头条、小红书、微信公众号等多个自媒体的格式内容，减少自媒体创作的时间成本。

这样才能拥有对模型更深层次的了解，与别人拉开差。

二、为什么要使用它？

通过Doc Reseach 的Agent 模式可以快速的进行文档的提炼，区别于传统文本提炼的方式，该Agent主要的是多模态的模型+MCP工具，提炼出一个图文并茂的知识性文档，同时提供本地化部署保障数据安全，还免费用到超棒的模型接口，而且扩展性强，能帮你大大加快自媒体创作和科研的速度。
使用依据：

1. 数据安全很给力 支持本地部署，不管是CPU还是GPU，都能安心用，数据安全不用担心。
2. 接口免费又好用 靠ModelScope的模型，接口免费开放，效果棒到没话说。
3. 扩展能力超强 基于MS-Agent，能接入各种MCP服务工具，自动感知和执行，挺智能的
4. 提高效率真明显 无论是自媒体内容还是科研，都能帮你快很多，省时间又省力。

三、使用过程以及效果是怎样的？
Part.3
使用过程中主要是从私有化部署、文档分析功能以及模型推理配置等方面来具体体验下Doc Research的强大之处。
（一）私有化部署
安装依赖

conda create -n doc_research python=3.11
conda activate doc_research
pip install ms-agent[research]

2. 配置环境
   免费模型推理服务 - 魔搭ModelScope用户每天可免费调用2000次的模型API推理服务，具体详情参考 ModelScope API-Inference

set OPENAI_API_KEY=ms-*******
set OPENAI_BASE_URL=https://api-inference.modelscope.cn/v1/
set OPENAI_MODEL_ID=Qwen/Qwen3-235B-A22B-Instruct-2507

• OPENAI_API_KEY: (str), API key, 替换 xxx-xxx，或使用魔搭ModelScope提供的API key，参考 ModelScopeAccessToken
• OPENAI_BASE_URL: (str), base url, 或使用ModelScope API-Inference：https://api-inference.modelscope.cn/v1/
• OPENAI_MODEL_ID: (str), model id or name, 推荐使用Qwen/Qwen3-235B-A22B-Instruct-2507执行复杂研究任务

3. 带参数启动

ms-agent app --doc_research --server_name 0.0.0.0 --server_port 7860 --share

• 参数说明：
  server_name: (str), gradio 服务名/地址, 默认: 0.0.0.0
server_port: (int), gradio 服务端口, 默认: 7860
share: (store_true action), 是否对外分享，默认关闭.

4. 使用说明：

1. 用户提示：在文本框中输入您的研究目标或问题
2. 文件上传：选择需要分析的文件（支持多选）
3. URLs输入：输入相关的网页链接，每行一个URL
4. 开始研究：点击运行按钮开始执行工作流
5. 查看结果：在右侧区域查看执行结果和研究报告（可全屏）

（二）报告分析

1. 用户输入。输入方式有两种：直接上传文件和URL，并同时支持多个文本上传。
   

2. 输入用户提示词：
   

3. 开始深度探索。
   

4. 输出结果，同时也会将原始文档中所有的图片识别出来并单独存储。

目录结构
temp_workspace/user_xxx_1753706367955/
├── task_20250728_203927_cc449ba9/
└── task_20231201_143156_e5f6g7h8/   # 单次输入分析
   ├── resources/  # 文档的图片资源
   └── report.md  # 输出图文结合的文档报告

5. 本地磁盘映射。对应的文件存储位置，我们可以根据项目根目录找到【tem_workspace】目录。
   
   该文档所有的图片资源。
   

6. 快速发布。将生成MD格式的Report 进行复制粘贴到自媒体平台。比如：CSDN
   

通过文档多模态的分析与输出，又结合提示词的排版（MarkDown格式），不仅可以使的文档分析者提高文档的阅读的效率，同时也大大提高自媒体内容创作的速度。一键复制粘贴，可以实现样式的完美贴合。

（三）模型的推理配置

我们当前使用的是Qwen/Qwen3-235B-A22B-Instruct-2507 执行复杂的推理研究任务，你也可以使用OPENAI最新发布的模型进行测试。针对ModelScope平台提供的模型API，都可以进行每天2000免费调用次数，对于开发者还是很不错的。

如图所示，整体来说生成的质量还是蛮高的。不管是从图表、文字、格式排版以及图片搭配上来看，整体效果不错。

接下来，我会以 MS-Agent 作为底座，继续探索更多扩展应用。

对于自媒体博主来说，获取第一手资料至关重要，因此我计划引入一个能快速获取新闻的工具——Newspaper。

它可以高效抓取主流媒体的新闻内容，并与现有的 Doc-Research 模块相结合，解锁更多实用的扩展玩法。

请先关注，精彩内容即将发布，敬请期待！