正在打开每日关注
正在打开每日关注
Rust 驱动的多格式文档转 Markdown 工具新增托管 OCR，让 Agent 能解析扫描件。
introducing ocr in anydoc now your agents can read scanned docs for free → sub-5ms for non ocr → 190ms median per ocr page → layout detection, tables, formulas → ocr hosted option via @firecrawl → free, no api key needed https://t.co/MvxaRV5bNV https://t.co/bjyDouuqpR
是什么 anydoc 是 Firecrawl 开源的 Rust 文档转换库，把 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 与 PDF 统一转为干净的 GitHub-Flavored Markdown。此次更新增加托管 OCR，使 Agent 能处理原本只有图像的扫描 PDF。仓库元数据为 2026-08-03 创建、约 1.9 万星，最近提交于 2026-08-28。
核心设计 各格式先进入共享文档模型，再由统一序列化器输出，所以标题、列表、表格、脚注、演讲者备注、嵌入资源和公式 LaTeX 具备一致行为。核心转换纯 Rust、本地运行，提供 Node.js、Python 和 WASM 绑定；只有显式选择 hosted OCR 时，才将需要 OCR 的整份文档交给 Firecrawl Parse。CLI、库调用与 Agent Skill 让接入路径很短，内容感知检测还可识别错误扩展名。
关键洞察 README 基准给出本地转换中位数低于 5ms，推文称 OCR 约 190ms/页；统一中间模型比各格式单独维护输出更易扩展。发票示例直观证明了从无文本层扫描件到可消费表格的收益。
边界与风险 托管 OCR 不是离线能力，Parse 不支持页面选择，整份文档会离机；敏感资料需先评估。Rust crate 不提供 OCR，也不发起网络请求，免费额度仍取决于托管服务策略。