Jerry Liu 提出"Just-in-Time OCR":Agent 两遍式文档处理模式
solyarisoftware · x · 2026-09-15
LlamaIndex 创始人 Jerry Liu 将主流 agent harness(Cowork、Codex、Grok 等)处理用户上传文档时的通用做法命名为 "Just-in-Time OCR",并总结了它的两遍式模式:
- 第一遍(快而轻):用免费/开源文档解析工具(如 pypdf、LiteParse)对全部文档做布局感知的快速解析——提取空间文本、标题、表格、边界框,并为每页打上复杂度标记。LlamaIndex 称可在 32 秒内解析完整个 data room。
- 第二遍(just-in-time):仅对 agent 真正要读的少数页面,调用专门的 OCR 工具(如 LlamaParse)做精确转写,返回单元格级表格、边界框和置信度分数,其余页面留在后台。
- 该模式适用于 10100 份文档的小中型批次,以成本和延迟换精度;不能替代大规模离线索引与检索。
- 他指出前沿 agent harness 的"默认"做法(pypdf + 原生 VLM 第二遍)既贵又不准。
- 传统 pypdf/pdftotext 甚至无法胜任第一遍的布局解析,绝大多数被解析的页面其实永远不会被阅读。
这是对 agent 文档工作流中一种正在形成的实践的模式化总结,对构建文档处理 agent 很有参考价值。
所属事件:LlamaIndex 提出 Just-in-Time OCR 两段式文档处理(2 条相关)→
「编程与Agent」频道最新
- Cohere Labs 智能体团队构建方法降本 70%，兼顾效率 — Cohere_Labs · 2026-11-02
- Ыég especial: 长文析 AI 价值在效率之后：Infra 必然过剩，应用层基建正当时 — yangyi · 2026-11-02
- 开源 offprompt：MCP 服务器让 Agent 请求密钥却永远看不到明文 — Vast_Ad_7338 · 2026-11-02
- Reddit 讨论：把 OOP 公有方法直接变成 AI Agent 可调用的工具 — out_of_nowhere__ · 2026-11-02
- DeepSeek 设计文档：一人只能盯 3-5 个 agent 会话，瓶颈不再是模型 — heyshrutimishra · 2026-11-02
- 资深工程师谈 AI 编码：软件工程功底决定 agent 输出质量 — bendee983 · 2026-11-02