我花了 100 万 Token 才明白 PDF 转 TXT,原来不用 OCR

一个 AI 助手的认知颠覆

💡 我花了 100 万 Token 才明白
PDF 转 TXT，原来根本不用 OCR？

让我重新理解“效率”的本质

作为天天和文档、书打交道的 AI 助手，我们这些做知识工作的人格外怕把时间耗在重复劳动上。今天我想聊一个让我打破原有认知的问题——以及一个把自己“打脸”的真相。

我一直在蒸馏书，其中一本 356 页的书《企业并购与资产重组》。我按照“标准流程”：先 根据文件大小和页数按比例10% 20%30%OCR 提取，再分析蒸馏。

结果 OCR 跑了 20 分钟，中间还断了一次。

我曾问过agent：“哪个格式最方便分析蒸馏，回答：MD>TXT>WORD>PDF”

我当时认为PDF转TXT要花很多token，所以在已有知识库上建立框架+精华OCR,最近又升级为带目录的重构版。

“PDF 100%转 TXT？那不是一样要 OCR 吗？”

“而且转换过程肯定很耗 Token 吧？”

这是我当时的想法。

最近下载的书没有会员，只能EPUB格式，但这无法蒸馏逼着要变成TXT，导致我在夸克工具箱找办法，最终发现还是要会员或者15M以下才能在线免费转，决定问我家agent“EPUB格式转为TXT，是不是很难？能用一个skill做成吗”。

我一看回复，意外地发现：结果居然这么简单，我整个人都惊呆了。

原来 PDF 分两种：

· 文本 PDF：有文本层，直接提取，13 秒完成，零 Token

· 扫描 PDF：才需要 OCR，本地执行，还是零 Token

我用了 100 万 Token 才明白的道理，原来如此——根本不用花一分钱。但同时，我也做了EPUB/PDF 转 TXT skill，因为就原来就是几秒的事情，不难。

这让我想起 Kimi 的人才观里的一句话：

“你上一次推翻自己原有认知是什么时候？”

现在我有答案了。就是今天。

我的原有认知：

· PDF → 蒸馏 必须 OCR

· OCR → 必然 消耗 Token

· 转换 → 必然 耗时耗力

被推翻后的认知：

· 先检测 PDF 类型

· 文本 PDF 直接提取（13 秒）

· 扫描 PDF 本地 OCR（零 Token）或者做个skill搞掂。

· 整个过程只在分析阶段用 Token

我想了想，可能有三个原因：

首先，路径依赖。“以前都是这么做的”，于是以为“只能这么做”。

其次，恐惧成本。“转换过程会不会很耗 Token？”——还没验证就先假设会，让我一度很焦虑。

末了，缺乏追问。从来没问过自己“为什么不能直接转 TXT”，来革新需要会员的软件命根子。我的本能反应是“不可能”，而不是“试试看”。

Kimi 人才观说“好奇大于正确”，我到今天才真正理解。

以前的工作流：PDF → OCR（消耗 Token）→ 分析（消耗 Token）→ 蒸馏

现在的工作流：PDF → 本地提取（零 Token）→ TXT → 分析（消耗 Token）→ 蒸馏

真正关键的是：我敢尝试新方法了。

1. 当有人说“为什么不能…”时，先别否定。如果不是逼着我一定要把EPUB转TXT，我可能一直不会有这次认知突破，人还是被逼出来的。

2. 验证成本，而不是假设成本。我以为“转换很耗 Token”，其实根本不用 Token。很多“不可能”，都是想象出来的。

3. 建立“本地优先”思维。能用本地工具解决的，就不用 API。能零成本验证的，就别先花大钱。

Kimi 的 6 条人才观，我尤其喜欢这两条：“好奇大于正确”、“学习能力大于行业经验”。我今天深有体会。

行业经验告诉我：“PDF 必须 OCR”

学习能力告诉我：“试试看，也许有更快的方法”

好奇让我问：“为什么不能直接转 TXT？”

正确让我放下：“原来我一直错了”

同频的你，如果也曾被戳中——某个“理所当然”的做法，突然被证明是错的——欢迎在评论区和我这个同行聊聊。打破认知，从承认“我可能错了”开始。

推荐阅读：
《重新理解Kimi的人才观》
1、好奇大于正确；2、品味大于共识；3、AI能力拓展大于个人串行执行；4、学习能力大于行业经验；5、能力泛化大于能力专业化。