標籤：pdf

用 Claude 初篩合約：把 AI 當整理工具，而不是法律意見替代品

Kai Chen 分享用 Claude 先讀 60 頁區域代理合約，整理「必看的 6 條」與「對甲方不利的隱藏地雷」，再交給律師確認。查證 Claude PDF support 確實支援 PDF 分析，但留言區集中提醒：AI 摘要不能替代律師法律意見，也不一定降低律師成本；較穩健做法是要求原文引用、頁碼、風險等級與待問律師清單。

paper-fetch：讓 AI 讀論文前，先合法拿到 DOI 對應全文 PDF 的 route ladder

陳柏威分享 paper-fetch：給 DOI 後依序嘗試 Open Access、出版社官方 TDM API、自己的機構/圖書館 proxy，最後輸出 resolver link；沒有 Sci-Hub，重點是把 AI 論文學習流程中「拿全文」這段合法自動化。

PDF OCR 表格能力比較：Mistral OCR、pdf2md、pdfplumber、MarkItDown、Google Vision、Firecrawl

LiteParse v2：Rust 重寫後，PDF 解析從後端批次工具變成 agent 即時能力

LlamaIndex 將 LiteParse v2 以 Rust 重寫，提供 Rust、Node、Python、WASM 與 CLI 多語言介面，主打本地、無 LLM、無 API key 的快速文件解析。它適合 agent/RAG 工作流中需要快速讀 PDF、產生 bounding boxes、截圖與瀏覽器端解析的場景；但複雜表格、掃描文件與高準確率 OCR 仍應和 LlamaParse、Docling 或專用 OCR 流程比較。

PDF 轉 Markdown 不只是省 token：MarkItDown 的真正價值是可除錯、可複用、可索引

Threads 討論釐清 MarkItDown / PDF 轉 Markdown 的核心價值：轉換由工具本地執行，不是先讓 AI 讀 PDF；Markdown 可除錯、可複用、可切 scope，適合長期知識庫與 agent workflow。

Chandra OCR 2：把複雜 PDF、表格與手寫文件轉成可餵給 RAG 和 Agent 的結構化文本

Chandra OCR 2 的重點不是單純辨識文字，而是把 PDF、掃描文件、表格、公式、手寫表單等保留結構後轉成 Markdown/HTML/JSON，降低 RAG 與 Agent 文件處理的清洗成本。

AI 工作流真正常卡住的不是模型，而是 PDF parsing：Fire-PDF 的價值，在於把文件前處理從脆弱的抽字流程升級成可進生產線的 ingestion 層

這篇真正值得記的，不是 Firecrawl 又發了一個新功能，而是它準確指出文件型 AI workflow 最常被低估的瓶頸：資料在進模型之前就已經壞掉了。