把 PDF 需求书交给 DeepSeek,流程图为什么没被读到?

先检查解析用途,再检查图有没有被裁出。讲清 PDF 上传、file_id 引用、超时对账和两笔费用;不把文档核对写成识图实测。

发布于 2026-11-18

核查日:2026-11-18(北京时间)。本文核对官方文档,并做离线示例检查;没有上传真实文件、调用模型或验证账单。

需求书的正文能复述,审批流程却少了一条「驳回后重新提交」。先别急着换模型,也别靠提示词让它猜。先确认上传时用的 purpose,再确认那张图有没有进入上下文。

DeepSeek 在 11 月 13 日更新中开放了文件输入等应用 API。这篇只讲通过 API 上传整份 PDF、Word 或 PPT,不讲网页聊天界面。单张图片的接法见看图指南。

第一步:分清「文字被读到」和「图被读到」

File Parsing 写了两种用途:

上传用途模型拿到什么需求书怎么选
text_recognition提取后的文字;图表、照片、示意图被丢弃只查条款、标题、纯文字时可用
rich_layout_recognition文字,以及自动裁出、插回原文位置的图需要看流程图、架构图时用它

第二种也不是「每张图一定完整读到」。官方明确说,自动裁图可能漏掉图片;漏裁的图,模型仍然看不到。图中的文字能被提取,不等于箭头、分支和图例一起保留了。

实用判断:先问「第 3 页的图里有哪些节点和连线」,再让它写实现方案。答不出就标为未确认,不让模型补齐。

第二步:同一个上传请求等解析完成才返回

官方流程是:

POST /files(先传 purpose,再传 file)
  → 同一个请求等待解析完成 → 成功后才返回可直接引用的 file_id
  → 服务端确认解析失败 → 不保存、不计解析费
  → 客户端中途断线 → 是否成功待对账,不能直接当作失败

拿到 file_id → 在聊天请求中引用 → 模型读取解析内容

没有文档支持的 processing → completed 轮询流程,不要自己加一个。 GET /files 是列出文件,不是解析任务进度接口。

下面是给读者的调用示例,不是本次运行记录。执行会访问付费 API;先确认预算与数据上传权限。requirements-demo.pdf 应是无敏感内容的自制样本;密钥从环境变量传入,不写进文件或仓库。

curl --fail-with-body --max-time 300 https://api.deepseek.com/files \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -F 'purpose=rich_layout_recognition' \
  -F 'expires_after[anchor]=created_at' \
  -F 'expires_after[seconds]=86400' \
  -F 'file=@requirements-demo.pdf'

几个细节别省:

  • purpose 必须排在 file 前面。给 PDF、Word、PPT 用 user_data 会返回 400。
  • 示例把文件保留时间设为 86400 秒,即 24 小时。两项 expires_after 要一起给;官方允许 1 小时至 30 天。不设置则永久保留。
  • --max-time 300 是本文选的客户端总超时,不是服务端承诺。官方分别限制文档上传 120 秒、提交后解析 120 秒;客户端和中间代理都要留出上传加解析的时间。
  • --fail-with-body 让 HTTP 错误变成失败退出,同时保留错误正文。不要把错误 JSON 当成上传成功。

文件属于账号,同账号下的 API key 共享这些文件。保留本地原件;官方不支持下载上传的原文档或解析结果。这里的保留时间设置不代表训练用途、备份清除或合规保证。具体格式和存储规则见 Files API。

第三步:把返回的 ID 放进正确的消息块

保存下面内容为 request.json。把占位 ID 换成刚才上传响应中的 id,不要填本地文件名或公开 URL。

{
  "model": "deepseek-flash",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "file",
          "file_id": "file-api-REPLACE_WITH_RETURNED_ID"
        },
        {
          "type": "text",
          "text": "请逐页列出流程图中的节点、带标签的连线和驳回路径,并注明页码。分开写明看到的内容与推断;看不清或没看到就标为未确认,不要补画。"
        }
      ]
    }
  ]
}

再发送这个文件:

curl --fail-with-body https://api.deepseek.com/chat/completions \
  -H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
  -H 'Content-Type: application/json' \
  --data-binary @request.json

三套接口的文档块不能混用:

接口文档块
Chat Completions{"type":"file","file_id":"..."}
Responses{"type":"input_file","file_id":"..."}
Anthropic Messages{"type":"document","source":{"type":"file","file_id":"..."}}

Anthropic Messages 还要求 anthropic-beta: files-api-2025-04-14 请求头。解析后的文档不能塞进图片块;该类文档只支持 file_id 引用,不支持内联文档内容或文档 URL。

提示词要求页码,只是方便人工核对,不是 API 保证返回可靠页码引用。即使模型说「第 3 页」,也要回到原 PDF 检查。

超时后先对账,别直接循环重传

客户端断开不等于取消。官方说明:解析仍会跑完;若成功,文件会保存、计费,并出现在 GET /files 中。失败的上传不保存、不计解析费。

建议按这个顺序处理:

  1. 记录本次用途、文件名、大小和开始时间。敏感文档不要把正文写进日志。
  2. 原请求可能仍在处理时,先等待,不要立即重传。官方的上传和解析时限可供排查,但不能用固定等待时长断言原请求失败。
  3. 等待后按 Files API 的列表接口核对已存文件;列表有分页,别只看第一页。列表为空或查无该文件,不代表原请求失败:它可能仍在解析,成功后才会进入列表。
  4. 用自己记录的元数据排查。文件名相同不能证明内容相同,也不是官方幂等保证;无法可靠匹配时人工确认。
  5. 仍无法确认原请求结果时,不要自动重传。若确需重传,必须由人明确接受重复上传及可能重复收取解析费的风险,再决定是否继续。

这项风险是根据「断线不取消解析、成功后才保存并入列表」推导的,不是本文观察到了重复计费,也不代表有额外的任务进度接口。

返回码先查什么
400用途、表单顺序、格式、密码保护;不要改模型名碰运气
408 / 504分别检查上传超时 / 解析超时,按官方错误信息处理
413文件是否超上限
429文档上传并发;账号上限是 15,不是聊天并发额度
500 / 503解析不完整 / 服务繁忙;保存错误信息,再决定何时重试

上传成功,不等于整份需求能放进每次对话

截至核查日,官方限制包括:单份解析文档最多 100 MiB、1000 页;每次聊天最多 20 份文档,解析文字合计最多 8 MiB。重复引用同一 ID 也重复占文档数量。

裁出的图还会占图片数量限制和输入 token。多轮对话里,文档完整解析内容会继续留在上下文,不是自动变成免费摘要。超过上下文会返回 400,不会悄悄截断。

大需求书可先在本地按功能或章节拆分,再按问题只发相关部分。这是本文的组织建议,不是官方自动分块能力。拆分后仍要人工检查跨页箭头和图例是否被分开。

两笔钱分开算

价格页在 2026-11-18 标的是 文件解析 / OCR 每 1000 页 $0.225,美元。

  • 解析:每次成功上传按页收一次。重传是新的一次上传,别当成复用。
  • 推理:聊天引用时,解析文字和裁图按模型输入 token 计费;模型输出另算。以后再引用同一 file_id 不重复收解析费,但不免当次模型费用。具体缓存与峰谷价格以价格页为准。

纯算术例子:100 页 × $0.225 / 1000 = $0.0225 解析费。这不是实测账单,也不包含一次或多次对话的 token 费。

TXT、源码、CSV、JSON 等文字文件用 user_data,不收解析费;表格、电子书的支持方式另见 File Parsing。这不代表聊天推理免费,也不能把 PDF 改后缀伪装成文字来绕过解析。

接进编码工作流前,做一次小样本验收

自己做一份不含隐私的两页 PDF:第 1 页写三个字段,第 2 页放一张有「通过 / 驳回」分支的流程图,再加一条容易漏掉的返回箭头。

  • 用两种 purpose 分别上传,记录 ID 和解析费用;这是后续可执行的验收方案,本文没有跑过。
  • 问同一组问题:三个字段是什么?有哪些节点?驳回后回哪里?哪些内容看不清?
  • 对照原件逐项勾选。看图失败先检查用途和裁图限制,不能用模型自述「已读完」当验收证据。
  • 漏图时,可在本地把关键页或关键图单独导出为受支持的图片,按看图指南另行提交;仍需重新核对,也会增加调用和 token 成本。
  • 只有人工确认过的规则才交给编码代理。没确认的分支作为问题保留,不让代理根据猜测写业务逻辑。

本文的离线检查覆盖请求 JSON、curl 语法、字段顺序和示例一致性;不覆盖真实裁图效果、分页正确率、超时恢复结果或实际收费。这些需要获得授权后用真实 API 小样本验证。

官方依据(均于 2026-11-18,北京时间核对)

📚 继续阅读

📚 相关指南

📖 相关对比文章

🎁 领取优惠 & 免费试用

汇总各工具与 Coding Plan 的免费额度、首月折扣与注册入口,随时更新。

查看优惠福利 →