用 Paperless-ngx 整理扫描件：VPS 部署、中文 OCR 与全文检索
用 Docker Compose 在 VPS 部署 Paperless-ngx 3.2.1，将扫描 PDF 和图片整理为可检索的文档库。详解中文 OCR、Caddy HTTPS、消费目录、多用户权限与站外导出恢复。
18 min
#OCR
共 8 篇文章
pdf-inspector 怎么接入 PDF 流水线：先抽文字，再决定哪些页需要 OCR
实测 pdf-inspector 1.24.0 的原生抽取、逐页索引和离线自动模式，说明当前可选 OCR 依赖、混合文档路由及表格、中文和失败结果检查。
8 min
本地 PDF 解析不只是省一次 OCR：pdf-inspector 正在变成文档流水线的前置基础设施
pdf-inspector 用 Rust 核心把 PDF 分类、阅读顺序、表格抽取和 Markdown 生成放到本地完成，适合作为文档流水线与 RAG 的第一层路由，而不是把所有文档都先扔给 OCR。
10 min
Unlimited-OCR 怎么评估长文档：先检查跨页表格，再看速度与显存
围绕跨页表格设计 Unlimited-OCR 评估，解释 R-SWA 的作用范围、多页输入、输出完整性、重复处理和服务化成本，不把论文结果当作本机实测。
6 min
Baidu Unlimited-OCR 不是又一个 OCR Demo，而是文档 AI 基础设施的一次信号
从 AI 产品和工程基础设施角度分析 Baidu Unlimited-OCR：长文档一次性解析、R-SWA、三种推理路径与真实落地边界，决定了它更像文档智能管线的一块底座。
8 min
Baidu Unlimited-OCR 怎么验收：从单图到 PDF 多页解析的检查清单
面向动手验证的 Baidu Unlimited-OCR 指南：梳理 Transformers、SGLang、vLLM 三条路径，以及单图、多页、PDF 转图、重复输出和布局质量的验收方法。
8 min
MinerU 接入 RAG：从一张错位表格检查解析、引用和入库版本
以参数表格问答为例设计 MinerU 文档入库验收，更新 4.0 的入口、页范围和输出协议，并说明表格、公式、引用、版本回退与权限处理。
9 min