← 程式碼對照

_doc_intel / _cu — Azure 雲端轉換器

兩條雲端路徑：Document Intelligence 版面分析、Content Understanding 多模態
檔案：_doc_intel_converter.py · _cu_converter.py（Cloud 整合源碼）

大方向

兩個 converter 都是「有端點才註冊」（enable_builtins 只在提供 docintel_endpoint/cu_endpoint 時加入，且插到堆疊頂端）。 最複雜的是 Content Understanding 的 analyzer 路由：依檔案型別自動選 analyzer、 處理模態相容性、輸出 YAML front matter。

1. DocumentIntelligenceConverter

DocumentIntelligenceFileType / accepts / _analysis_features / convert DocIntel雲端版面分析；依檔型別選 analysis features。

DocumentIntelligenceFileType 是字串列舉（PDF/JPEG/PNG/DOCX…）； _get_mime_type_prefixes/_get_file_extensions 從列舉產生 accepts 規則。 _analysis_features 依檔型別挑 OCR/table 等 features；convert 呼叫 azure-ai-documentintelligence client 分析並組 Markdown。

2. ContentUnderstandingConverter（analyzer 路由核心）

ContentUnderstandingFileType / _detect_file_type / _detect_file_type_from_mime CU依副檔名或 MIME 偵測 CU 支援的檔案型別。

ContentUnderstandingFileType 列舉（PDF/JPEG/PNG/MP3/MP4/WAV…）與模態對應； _clean_mime_type/_canonical_mime_type 正規化 MIME， _content_type_for 決定送給 CU API 的 content-type。

_get_modality / _resolve_analyzer_modality / _is_analyzer_compatible CU分析器模態快取、解析與相容性檢查。

零設定時要「自動選 analyzer」：_get_modality 把檔案型別歸成 document/image/audio/video； _resolve_analyzer_modality 用快取或呼叫 get_analyzer() 查 analyzer 的模態； _is_analyzer_compatible 判斷「文件 analyzer 能否處理音訊」。不相容就自動退回預建 analyzer。

convert / to_llm_input CU呼叫 CU API 並把結構化欄位序列化成 YAML front matter。

convert 用 analyzer 結果組 Markdown：欄位（vendor、日期…）放在 --- YAML front matter，正文逐頁 <!-- page N -->。 to_llm_input 是 azure-ai-contentunderstanding>=1.2.0b1 提供的 helper， 把結果轉成可直接餵 LLM 的格式（所以 extra 才要求 >=1.2.0b1）。