magicrew/doc7

解決的問題

doc7 是一個文件轉換工具，可將複雜的文件（包括 PDF、Office 檔案、掃描件、截圖、圖表和圖示）轉換為 AI 友好的 Markdown。它解決了傳統 OCR 或文字提取過程中結構與視覺資訊（如公式、表格和圖示關係）遺失的問題，使文件對 AI 模型更易於搜尋與推理。

工作原理

doc7 不依賴傳統的 OCR 堆疊或特定檔案格式的解析器，而是採用全頁面視覺理解的方法。它將文件頁面渲染為影像，並透過 OpenAI 相容的多模態（視覺）模型進行處理。這使得工具能重建頁面內容，包含視覺元素，並以 Markdown 格式輸出。使用者可透過 LM Studio 或 Ollama 在本地執行這些模型，以保護隱私並消除按頁計費的 API 成本。

適用對象

• AI 開發者：建構 RAG 流水線，需要從多種文件格式中取得高品質、結構化 Markdown 的開發者。
• 重視隱私的使用者：希望使用本地視覺模型處理文件，避免將資料傳送至雲端 API 的個人或組織。
• 自托管使用者：希望消除雲端服務提供者持續文件解析費用的使用者。

核心亮點

• 多模態流程：對所有格式（PDF、Office、影像）使用單一視覺理解流程，無需獨立的 OCR/版面模型。
• 本地模型支援：相容任何 OpenAI 相容的多模態模型，包括透過 Ollama 或 LM Studio 部署的本地模型。
• 零邊際成本：使用本地硬體時，無需支付每頁費用或文件積分。
• 強大的恢復能力：支援失敗頁面的復原與使用不同模型重新處理特定頁面。
• 多功能介面：提供跨平台 CLI、Go SDK、MCP 工具以及非同步 HTTP 服務。