AI解析PDF太费钱？开发者呼吁抛弃旧标准

kshivang · reddit · 2026-07-30

作者吐槽各行各业（尤其是医疗研究领域）在解析PDF文件上耗费了大量资源。尽管结合LLM和Python库能构建出解析栈，但维护成本极高，且这种解析工作流在不同行业被重复构建了成千上万次。

作者认为这本质上是缺乏标准化的问题。PDF就像曾经的USB-A接口，大家都在做转接头，却没人去推动更好的底层标准。为此，他提议创建一种对解析更友好的新文件标准，例如强制要求文件内置包含加密TeX/HTML/Markdown等格式的元数据，从而彻底省去复杂的解析步骤。