pdf-inspector

применимость 5/5 · Ставить

Что это

Rust-библиотека Firecrawl для классификации PDF (text/scan/image/mixed) и извлечения текста в структурированный Markdown без OCR. Направляет на OCR только те страницы, которым он реально нужен. ⭐15.8k, MIT, живой.

Чем полезно нам

Прямой preprocessing-слой перед RAG / Document Analyzer: вместо дорогого OCR всех документов — быстрый deterministic-парс текстовых PDF + точечный OCR по сканам. Ложится на скиллы ocr-and-documents, pdf, rag-hybrid-retrieval.

Применимость

Интеграция в документный контур IT-WO Core (PDF → Markdown → RAG). Восстанавливает порядок чтения, таблицы, колонки, headings, списки, ссылки.

Связи

IT-WO Core

Заметки

Стек: [Rust, Python, Node, WASM]

Факты: Rust, MIT, создан 2026-02-06, pushed 2026-08-15. Биндинги Python/Node/WASM.

✅ Поставлено 2026-08-16: установлен (uv, v1.14.2), проверен на техпаспортах/каталогах Vitron (все text_based), вшит в скилл ocr-and-documents.