Marker 可改善 RAG 的 PDF 入库质量

是什么

视频介绍 Marker：一个将 PDF 转为 Markdown 的开源工具。演示画面显示其 README、安装命令和 PDF 与 Markdown 的并排效果；作者主张它能较准确保留段落、表格、图片，并去除页眉页脚等干扰内容。

可借鉴之处

对 RAG 或 AI 知识库而言，PDF 解析质量会直接影响分块、检索和回答质量。可将此类转换作为入库流水线的一环，并针对真实文档抽样核对表格、图片、页眉页脚、页码及多栏排版的输出；视频还提到首次运行需下载模型，GPU 可提升转换速度，以及可通过 API 集成。

边界与风险

“高精度”“优化回复质量”均是视频主张，未提供可复现基准、文档类型覆盖范围或实际 RAG 指标。OCR 还显示可选 OCRmyPDF 后端及 Ghostscript 的 AGPL 依赖提示，采用前应核对许可证、部署方式、模型下载来源、隐私与算力成本。屏幕中出现的 marker-api 仅能确认是一个 API 包装相关仓库，尚不足以确认维护状态或与主项目的官方关系。