对于那些和我一样，还挣扎在扫描版PDF里的人，是不是经常有种感觉，就像在数字时代拿着放大镜啃古籍？明明是电子文档，却活生生被困在了“静态图片”里。想复制粘贴？
呵呵，等着迎接一堆乱码和“八八艹”吧。更别提那些公式、表格，简直就是噩梦制造机。现在好了，终于出了个叫PDF Craft的玩意儿，号称能把这些扫描版PDF变成真正的电子书，而且还是用本地AI搞定，不用联网，听起来是不是有点酷？这玩意儿的核心功能就是把PDF转成Markdown或者EPUB格式，这两种格式的兼容性都挺好，基本上各种阅读器都能打开。它还挺智能，能自动清理页眉页脚、页码啥的，还能处理公式和图表，甚至能自动生成目录和章节。使用起来也挺简单，就是用Python安装一下，然后跑几行代码就行了。如果你想用GPU加速，那就得根据你的显卡配置安装相应的CUDA版本。比如说，你想把一个PDF转成Markdown，只需要跑几行代码，它就会自动把PDF里的文字提取出来，然后把插图、表格、公式啥的截图插入到Markdown文件里。如果你想把PDF转成EPUB，那就需要用到OCR技术，也就是光学字符识别技术，它会把PDF里的文字扫描并识别出来。
听起来很美好，但实际效果怎么样呢？先说说优点。这玩意儿最大的优点就是本地AI驱动，不用联网，保护隐私。对于那些对数据安全比较敏感的人来说，这绝对是个福音。而且，它支持Markdown和EPUB输出，兼容性强，基本上各种阅读器都能打开。再说说缺点。本地AI的算力毕竟有限，对于一些比较复杂的PDF，比如包含大量图片、表格、公式的PDF，转换效果可能不太好。而且，OCR技术的识别率也有限，对于一些字体比较模糊、排版比较复杂的PDF，识别出来的文字可能会有一些错误。这时候，PDF Craft还支持远程调用LLM，也就是大型语言模型，比如DeepSeek V3。
这玩意儿就像一个超级大脑，可以处理一些比较复杂的任务。当然，远程调用LLM是需要付费的，毕竟人家提供算力也是要成本的。而且，远程调用LLM可能会涉及到数据安全问题，毕竟你的数据要上传到别人的服务器上。所以，PDF Craft的设计思路就是，尽量用本地AI搞定，实在搞不定了，再用远程LLM。这样既能保证隐私，又能提高转换效果。不过话说回来，这玩意儿真的能解决扫描版PDF的痛点吗？我觉得，它确实能解决一部分痛点，但还不能完全解决。对于一些比较简单的PDF，比如只有文字的PDF，它能很好地转换成Markdown或者EPUB格式。但对于一些比较复杂的PDF，比如包含大量图片、表格、公式的PDF，转换效果可能不太好。
更重要的是，这玩意儿并不能真正理解PDF里的。它只能提取文字、识别图片，但它并不知道这些文字和图片是什么意思。所以，它不能像人一样，对PDF进行语义分析和结构重构。举个例子，如果一个PDF里包含一个表格，PDF Craft能把这个表格提取出来，但它并不知道这个表格的是什么，每一列代表什么意思。所以，它不能像人一样，把这个表格转换成一个结构化的数据。所以，PDF Craft的价值，更多的是在于提高效率，而不是在于提高质量。它能帮你节省大量的时间和精力，但它并不能完全替代人工。但话说回来，在互联网时代，能提高效率就已经很不错了。毕竟，时间就是金钱，效率就是生命。仅这一个工具，就足以说明AI技术在效率提升方面的潜力。当我们习惯性地将AI看作是取代人类的威胁时，是否忽略了它作为工具的价值？与普遍认知不同，实际情况是，AI正在成为我们提升效率、解决问题的得力助手。
