很多人在处理PDF时习惯无差别做OCR，其实没必要。有个开源小工具叫pdf-inspector，做的事很简单：先帮你判断PDF到底是什么类型。

如果是Word导出那种正常文字版，它直接本地提取，几百毫秒就出结果。只有碰到扫描图片版，它才会交给OCR服务。等于给每个PDF先做一次智能分拣，跳过不必要的OCR环节，省掉一笔算力和时间成本。做文档解析、知识库搭建、RAG数据预处理的时候，这个判断步骤能帮上大忙。
链接：github.com/firecrawl/pdf-inspector
#科技先锋官# #ai创造营#