ARTICLE · 1381142
pdf-inspector开源工具让 AI 读 PDF 快50倍
pdf-inspector开源工具让 AI 读 PDF 快50倍
把 PDF 丢给 AI,有时秒回,有时读出一堆乱码。差别就一种:PDF 其实分两种。
一种是文字型,能直接复制;另一种是扫描件,本质就是张照片。以前很多工具不管三七二十一,全送去 OCR 识别。贵、慢,还把表格排得稀烂。
Firecrawl 团队开源了个工具叫 pdf-inspector,专门治这个。
它先给 PDF 做“安检”,几十毫秒判断是文字还是图片。能直接读的本地秒提,读不了的才送 OCR。官方说一半以上的 PDF 根本不用识别,账单直接省一半。
跑分也硬:200 份真实 PDF,它不到半秒搞定。同样的事,有的工具要跑 17 秒,表格还原能力还是这组最高。
怎么做到这么快?它不读全文,只抽几页看证据。真文字 PDF 里有大量文字指令,扫描件基本只有一张大图。所以几百页的文档也能毫秒级判断。
最妙的是智能分流——先分类再处理,能用便宜办法解决的,绝不动用昂贵的。AI 时代模型再聪明,喂的数据是垃圾输出也是垃圾。先把 PDF 这关把好,比啥都强。














































































