pdf-inspector là thư viện Rust của Firecrawl chuyên kiểm tra và phân loại PDF: tự động phát hiện tệp là văn bản hay ảnh scan, trích xuất text kèm thông tin vị trí và chuyển sang Markdown sạch mà không cần OCR. Nó giúp định tuyến xử lý thông minh — PDF text đi đường nhanh, PDF scan mới cần OCR — tiết kiệm chi phí cho pipeline dữ liệu.
Ứng dụng
- Phân loại kho PDF để định tuyến xử lý (text vs scan) trước khi đưa vào RAG
- Trích xuất hợp đồng, hồ sơ, báo cáo PDF sang Markdown sạch
- Giảm chi phí OCR bằng cách chỉ OCR những trang thực sự cần
Hướng kiếm tiền: Dựng dịch vụ chuẩn hoá kho PDF hợp đồng/hồ sơ cho doanh nghiệp, tính phí theo số trang hoặc thuê bao xử lý.
⭐ 9.0k (ghi nhận) · nhóm: RAG & Data · license: MIT
Được nhắc trong bản tin
Đi tiếp: Xem Tổng hợp giải pháp để đóng gói repo này thành dịch vụ.