扫描件、表格、截图里的字得先被认出来，后面的问答才有意义。版面分析、多语种识别与 PDF 结构化输出是绕不开的环节，PaddleOCR、HunyuanOCR 这类模型的取舍也值得讨论。
AI 发票报销工具的核心差别不在识别一张票有多准，而在谁在用、用在哪国的财务体系里、审批和入账要接到哪套系统。出差党、小团队和财务要求严的公司，需求根本不是一件事，先分清自己属于哪一类，再看工具。 先按人群对号入座 经常出差的人最痛的是攒票：酒店、机票、打车票散落在邮箱和相册里，月底集中补录最容易漏...
PaddleOCR 是百度飞桨团队维护的开源 OCR 工具包，专门把 PDF 和图片里的文字连同版面结构一起抽成机器能用的数据。它在 GitHub 上长期热门，不是因为新奇，而是因为很多团队做知识库、发票处理、文档问答时，第一步都卡在同一件事上：文档是图片格式的，大模型读不了，得先有人把文字和表格结...
AI 词典笔的用法很简单：笔尖扫过纸上的一行字，翻译、发音和释义立刻显示在小屏幕上。有道、科大讯飞等在售机型大多能整句翻译、能离线查词，主流价位大致在三百到一千元出头。值不值得买，取决于一个问题：你到底有多少阅读发生在纸上，还是早就全在手机里了。 真正的卖点：读纸书时不被打断 面对纸质书、试卷和打印...
MinerU 是这两年文档解析领域绕不开的开源项目：把排版复杂的 PDF 转成干净的 Markdown 或 JSON，公式变 LaTeX、表格变 HTML、扫描件自动走 OCR，正好卡在大模型训练和 RAG 知识库最缺高质量语料的点上。它在 GitHub 上已有 5 万多 star，但 star 数...
Docling 解决的是把 PDF 喂给大模型之前最容易被低估的一关：版式。普通提取工具把 PDF 按字符顺序倒出来，双栏读串行、表格塌成一片、标题和正文混在一起，下游模型再聪明，也只能在一堆乱序文本里猜。Docling 的做法是先理解页面结构，再输出干净的 Markdown 或 JSON，在 Gi...
AI 识图看错字，多半不是模型太笨，而是你拿的图类型没对上处理方式。先别急着换模型，把图片分成拍照、截图、扫描件三种情况，对症下药，识别准确率会立刻提升一大截。 情况一：拍照（照片里拍的文件、白板、菜单） 拍照最常见的问题是拍歪、模糊、反光和透视变形。先别问 AI，把图处理一下：把纸摆正重新拍一遍，...
WorkBuddy 读不了 PDF、Excel 或 Word，最常见的原因不是文件损坏，而是模型不支持该输入类型、缺少对应文档处理 Skill，或任务一次塞入太多文件。先换成支持文件或视觉输入的模型，再安装合适的文档处理能力，最后把大任务拆小；这三步通常比反复上传同一文件有效。 第一步：先判断是哪一...
OCR 是 Optical Character Recognition 的缩写，中文通常叫光学字符识别。它做的事情很直接：把图片里的字、扫描件里的字、截图里的字尽量变成机器能继续处理的文本。很多人以为 AI 能看懂 PDF，是模型直接把文档“读懂”了，但对大量扫描版 PDF、发票、表格截图来说，第一...
