零代码教您搭建企业级文档处理智能体，赋能企业提效减负！

MCP诞生时间并不长，但能在短时间内引发这么多关注，我想原因可能就来自于它连接“万物”的设计特殊性，像积木一样把各类AI能力拼装起来，合体成更强的Agent。

MCP充分考虑到了如今大模型应用开发中的痛点：碎片化、工具调用链固化以及安全与性能问题。

MCP架构图

举个例子：当我们在搭建AI知识库时，往往会遇到这些软件对于PDF文档或者文档中含有复杂表格&手写内容识别不准的情况。最后导致大模型出现幻觉，知识库答非所问，如果是企业知识库，错误的结果会影响员工判断，耽误企业的正常运营。

曾经我们需要找到各种【文档解析】的小模型，先完成文档的预处理，再送去给大模型识别和理解，形成知识库。

而现在，我们可以把文档解析的MCP Server嵌入Agent搭建工作流，创造出更多实用的Agent。下面我以近期上线的TextIn MCP Server为例，手把手演示一下！

01 功能介绍

当前TextIn MCP Server 已覆盖文字识别、文档解析、信息抽取等核心产品能力：

文字识别

从图像、Word 文档和 PDF 文件中识别文字。

文档解析

将图像、PDF 和 Word 文档转换为 Markdown。

文档抽取

智能、自动化地从文件中提取关键信息。

02 使用教程

登录 TextIn 工作台 https://cc.co/16YSTO（或点击页面下方蓝色的“阅读原文”），如果没有账户，请注册成为 TextIn 用户。

在 TextIn 工作台【账号与开发者信息】，可获得 APP ID 与 Secret Code。

请注意： x-ti-app-id 和 x-ti-secret-code 是您访问 TextIn API 的密钥，具有该账户的完全权限，请您妥善保管。

接下来我们就可以快速接入TextIn MCP Server了。首先选择任意支持 MCP 协议的客户端（如：Cursor、Claude、Cline），即可方便使用 TextIn MCP server，如下以 Cherry 平台为例：

1  安装 Cherry Studio

客户端下载链接：https://cherry-ai.com/

2  进入 Cherry 设置界面配置模型服务与 TextIn MCP Server

请配置您需要的大模型平台 API 密钥，以使用大模型功能。

添加一个新的 MCP 服务器，点击【编辑 MCP 配置】，打开【编辑 JSON】窗口。

NPX

{
  "mcpServers": {    "textin-ocr": {      "command": "npx",      "args": [        "-y",        "@intsig/server-textin"      ],      "env": {        "APP_ID": "<YOUR_APP_ID>",        "APP_SECRET": "<YOUR_APP_SECRET>",        "MCP_SERVER_REQUEST_TIMEOUT": "600000"      },      "timeout": 600    }  }}

如右上角为感叹号，点击进入安装依赖即可；如图所示 TextIn MCP Server 可正常调用。

返回【对话助手】，在下栏【MCP 服务器】选中 TextIn。

3  开始使用

案例一：文件审核

使用 TextIn MCP Server + 大模型，基于信息抽取与分析能力，完成合同比对工作。

案例二：文件批量解析

使用 TextIn MCP Server 无代码批量解析文件。

03 写在最后

文档质量决定了大模型理解的上限。当你正在构建知识库或者搭建文档审核相关的Agent，可以考虑将TextIn MCP Server嵌入到你的搭建工作流中，成为你的文档处理引擎。

 一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】