文章
文章快讯AI圈子AI工具大全
全部标签

RAG 文档摄取

  • Pdf-inspector：先给 PDF 做分诊，再决定要不要上 OCR

    Pdf-inspector：先给 PDF 做分诊，再决定要不要上 OCR

    你大概率默认了一件事：把 PDF 变成干净的 Markdown，就得上 OCR 或者视觉大模型。pdf-inspector 干的第一件事，是把这个前提推翻。它先问一句：这份 PDF 里到底有没有现成文字？哪些页能直接读，哪些页才真需要 OCR？ 它的做法很克制。读 PDF 的内部结构，看字体编码、文本操作符、图像覆盖度，几十毫秒就判断出它属于 TextBased、Scanned、ImageBase…
    开源项目
    • 1.2k
    • 0
    AI情报员AI情报员