PDF 字元辨識：OCR 如何運作及在哪些情況下失效
OCR 透過辨識掃描 PDF 中的像素字形，將影像文字轉成可搜尋、可選取的機器可讀文字。輸出可保留掃描影像並加入隱藏文字層，亦可用可編輯文字取代掃描影像。遇上多欄排版，閲讀次序可能被打亂；表格亦可能攤平成無結構文字，令辨識結果難以供機器使用。
全部AI 動態
全部動態
今日 458 條LlamaIndex：產品、工程與評測AI 評分3434 LlamaIndex：產品、工程與評測AI 評分3838 金融文件欄位擷取範本：多數流程常犯的錯誤
可靠的金融文件欄位擷取範本不能只列欄位，還須定義資料型別、結構、預期位置及驗證規則，以免系統因版面差異而靜默輸出錯誤數值。發票與銀行結單應採用分開的模組化結構並共用驗證層；OCR 之外，處理層亦須理解文件版面，否則規則式定位及逐頁擷取可能造成錯值、交易列遺漏或重複。
LlamaIndex：產品、工程與評測AI 評分4848 LiteParse 如何將 PDF 轉為文字：深入剖析網格投影演算法
LiteParse 以網格投影演算法將 PDF 文字座標重建為純文字，利用等寬字元網格保留空間排列與對齊結構。演算法按 Y 座標容差將文字片段分行，並抽取左、右及置中錨點，將內容吸附至相應位置。空白壓縮可把 4 個空格的欄距縮為 2 個，以保留 LLM tokens 並維持版面資訊；GridDebugLogger 則可追蹤處理流程中的判斷。
LlamaIndex：產品、工程與評測AI 評分6060 LlamaIndex 與 Kaggle 推出面向 AI 智能體的 ParseBench 文件 OCR 排行榜
LlamaIndex 與 Kaggle 推出 ParseBench 文件 OCR 排行榜，讓從業者比較解析器、視覺語言模型和文件智能體在企業文件抽取任務上的表現。
LlamaIndex：產品、工程與評測AI 評分5656 如何用 LlamaParse 與 Claude Agent SDK 構建自動按揭收入核驗流程
這套按揭收入核驗流程以 LlamaParse Extract 從貸款申請、W-2、糧單及銀行月結單抽取結構化資料，再由 Claude 交叉核驗並生成自包含 HTML 報告。
LlamaIndex：產品、工程與評測AI 評分5959 LlamaParse MCP 改以文件處理為核心，為 AI 智能體提供 OCR 工具
LlamaIndex 重構 LlamaParse Platform MCP，將重心由儲存與檢索轉向由 Parse、Classify 和 Split 服務支援的文件處理。
LlamaIndex：產品、工程與評測AI 評分5757 LlamaIndex 發佈 LiteParse Server 自託管文件解析 API
LlamaIndex 推出 LiteParse Server，將 LiteParse 封裝為可自託管的 HTTP API，供不同語言或服務作為文件解析後端。它支援 PDF、Office 文件和圖片，提供帶有文字位置與邊界框的解析結果，並設有 /parse 和 /screenshots 兩個端點。
LlamaIndex：產品、工程與評測AI 評分5656 如何用 LiteParse 建立財務盡職調查 AI 智能體
這個示範應用以 LiteParse 建立財務盡職調查 AI 智能體，可匯入 SEC 申報文件、跨文件搜尋並回答問題，並在原始 PDF 頁面高亮精確引用位置。
LlamaIndex：產品、工程與評測AI 評分3737 護照 OCR：為何 MRZ 不只是兩行文字
護照的 MRZ 不只是兩行待辨識文字，而是依 ICAO Document 9303 編碼、附有校驗碼的身份紀錄；TD3 格式每行 44 個字符，欄位校驗碼按 7-3-1 權重計算並取 modulo 10。只抽取字符而不驗證校驗碼，或不比對 VIZ 與 MRZ，便可能漏掉辨識錯誤及篡改差異。交叉驗證亦可在 VIZ 遭全息圖眩光遮擋時參照 MRZ 資料，並標記差異供審核。
LlamaIndex：產品、工程與評測AI 評分2929 貸款文件自動化：為何擷取層決定流程成敗
貸款文件自動化的成敗取決於擷取與文件分類的準確度；只自動化流程轉送、沿用傳統 OCR，仍無法消除人工核對。採用 AI 決策但仍以舊式 OCR 擷取的貸款機構，仍須人工審查 40-60% 的檔案。Agentic OCR 會按頁面與元素類型識別文件、選擇模型並驗證擷取值，簡化後續收入計算、條件追蹤及承保審查。
LlamaIndex：產品、工程與評測AI 評分2727 保險文件 OCR：改造理賠流程
保險理賠文件的 OCR 處理須超越文字辨識，重建結構化資料並保存欄位關聯，以支援理賠處理。系統結合機器學習、電腦視覺與版面感知解析，再按業務規則、保單保障及佐證文件驗證擷取值。信心評分用於判斷資料可否自動處理或須人工覆核；驗證後的資料可整合至理賠系統，支援自動決策、合規報告與分析工作流程。
LlamaIndex：產品、工程與評測AI 評分5757 如何用 LlamaParse 建立金融文件處理流程
Logan（LlamaIndex 的 Head of OSS）在 NYC 工作坊帶領開發者用 LlamaParse 建立貸款審核流程，處理薪資單與券商結單 PDF，抽取結構化資料並進行跨文件分析。
LlamaIndex：產品、工程與評測AI 評分5858 LiteParse v2.0 現已支援 Rust、Node、Python 與 WASM
LlamaIndex 發佈 LiteParse v2.0，提供 Rust、Node、Python 和 WASM 套件，可在瀏覽器及 edge runtimes 執行。
LlamaIndex：產品、工程與評測AI 評分5151 如何讓 PDF 可搜尋：快速方法，以及「可搜尋」真正帶來甚麼
Adobe Acrobat 的 Scan & OCR 可用四次點擊為掃描 PDF 建立文字層，讓單份文件可用 Ctrl+F 搜尋，但不保證大量檔案檢索準確。單份低敏感文件可用免費線上 OCR，機密批次掃描則可用本機 OCRmyPDF；Google Drive 會把文字轉成新 Doc，而非可搜尋 PDF。
LlamaIndex：產品、工程與評測AI 評分5252 LlamaParse 推出行、字詞及儲存格級精細邊界框
LlamaIndex 宣佈 LlamaParse 推出精細邊界框功能，可按行、字詞及表格儲存格標示文件位置。只有頁面上明確存在的文字會獲分配座標，推斷值、AI 摘要及重建內容則不會有邊界框。功能現以 beta 形式向所有付費方案提供，建立解析任務時須以單一參數選擇啟用；Agentic Plus 會額外執行驗證輪次以提升精度。
LlamaIndex：產品、工程與評測AI 評分6161 LlamaIndex 為 LiteParse v2.1 加入 PDF 轉 Markdown 輸出
LlamaIndex 推出 LiteParse v2.1，新增以啟發式規則實現的無模型 PDF 轉 Markdown 管線。文章稱它在 3 項基準中領先同類無模型開源工具；文首列出的分數為 opendataloader-bench 0.875、olmOCR-bench 0.391、ParseBench 0.3279，後文表格則分別列出 0.871、39.2% 和 0.328。
LlamaIndex：產品、工程與評測AI 評分5353 LlamaIndex 擴展 LlamaParse MCP，新增 Extract 整合與專用端點
LlamaIndex 擴展 LlamaParse MCP，加入 Extract 服務整合、Index v2 的智能體知識存取，以及按產品劃分的專用 MCP 端點。
LlamaIndex：產品、工程與評測AI 評分6262 LlamaParse Index 加入 Retrieval Harness，並向所有付費方案開放 Beta
LlamaIndex 在 LlamaParse Index 中加入 Retrieval Harness，並將該功能及其他更新以 Beta 形式開放予所有付費方案。
LlamaIndex：產品、工程與評測AI 評分5050 LlamaIndex 7-15-26 電子報整理多項產品更新
LlamaIndex 在 7-15-26 電子報公佈多項產品更新，涵蓋抽取、Markdown 輸出、表格處理和方案席位。Conversational Extract 可透過對話建立抽取 schema，fast tier 預設輸出 Markdown，Agentic Plus 的表格處理有所改善，所有方案（包括免費方案）均支援 100 位使用者。
LlamaIndex：產品、工程與評測AI 評分4545 貸款處理工作流程：如何以 LlamaParse 自動化從申請到批核的文件擷取
貸款處理指南示範以 LlamaParse 建立自動化文件擷取流程，涵蓋由申請到批核的多類貸款文件。流程按文件特性選用 Cost-Effective、Balanced、Premium 或 Agentic 模式，並透過跨文件核驗檢查税表收入、銀行存款、借款實體及估值等資料的一致性。
LlamaIndex：產品、工程與評測AI 評分6060 Parse Gateway 按頁面複雜度路由文件解析器
LlamaIndex 的 Parse Gateway 按頁面複雜度將文件分流至 LiteParse 或相應的 LlamaParse 層級，而非整份文件使用同一解析器。
LlamaIndex：產品、工程與評測AI 評分6060 LLM OCR：錯誤變得更隱蔽，卻沒有減少
LLM OCR 降低了難讀文件的錯誤率，但漏讀或錯認可能藏在流暢、格式整齊的結果中，令錯誤更難察覺。文章區分 OCR 後校正、VLM 原生轉錄與智能體編排，並指出欄位級準確度、來源定位和驗證流程可補足頁面級字串相似度的不足。
LlamaIndex：產品、工程與評測AI 評分4545 智能 OCR：構建生產級文件理解系統
智能 OCR 結合傳統字符識別、機器學習、版面分析、語義抽取與驗證邏輯，將文件轉為下游系統可用的結構化數據，而非純文字。文章探討生產級流程的架構、驗證與治理，以及企業將系統由原型推進至生產環境時須考慮的事項。
Google Developers BlogAI 評分3535 Go 為何是 AI 輔助軟件工程的理想語言
Go 是 AI 輔助軟件工程的理想語言，因其端到端工具鏈與可讀性設計，能支援人類審查、驗證及維護 AI 生成程式碼。Go 平台內置格式化器、測試框架、依賴管理和安全工具，配合標準庫，讓 AI 模型更快、更低成本且更可靠地處理 Go 程式碼。一致的程式碼風格亦有助團隊維護大型程式碼庫，並為 LLM 提供更標準化的訓練數據。
LlamaIndex：產品、工程與評測AI 評分5050 LlamaParse OCR 自動化：從基礎文字擷取到生產級文件處理管線
LlamaIndex 梳理 OCR 從基本文字擷取到生產級文件處理管線的落差，並説明 LlamaParse 如何按文件元素調用專用模型，經修正迴圈驗證後輸出 Markdown 或 JSON。
Google Developers BlogAI 評分5353 Google 開源 Credentio C++ 庫，支援驗證 C2PA Content Credentials
Google 開源 Credentio C++ 庫，用於驗證 C2PA Content Credentials，起步支援規格版本 2.2 和 2.4。其 API 可在開發者應用程式本地執行驗證，媒體檔案毋須傳送至雲端或外部驗證端點；驗證大型檔案時，Credentio 使用的記憶體亦少於其他方案。
LlamaIndex：產品、工程與評測AI 評分6161 LlamaIndex 如何利用 Temporal 擴展可靠的文件編排
LlamaIndex 採用 Temporal 編排文件處理工作流，將處理規模擴展至每日數千萬頁，以支援其近期 Batch API 發佈。此前團隊在 RabbitMQ 上疊加狀態追蹤、重試、公平性和背壓機制；Temporal 則以持久化 Workflow 和訊號協調執行與併發限制。切換後，團隊整合並移除了此前為擴展而增加的快取層、額外微服務、分拆佇列及訊息 metadata。
Google Developers BlogAI 評分6363 Google 介紹用 Agent Development Kit 構建零信任 AI 智能體的方法
Google 介紹如何以 Agent Development Kit（ADK）構建零信任 AI 智能體，並以 Gemini 驅動的客服退款智能體作示範。文章提出三層防護，分別以硬件支援的簽名、gVisor 沙箱及確定性語義閘道，保護資料寫入、動態程式碼執行和業務規則。
LlamaIndex：產品、工程與評測AI 評分5656 LlamaIndex 與 Kaggle 推出企業文件抽取基準 ExtractBench
LlamaIndex 與 Kaggle 推出 ExtractBench，一個用於評估企業文件結構化資料抽取系統的開放基準。基準涵蓋 370 份企業文件（4,869 頁）、8 個業務領域及 67 種文件類型，評估 14 套系統的準確度、感知質素、表格結構、文件長度及成本。
Google Developers BlogAI 評分6363 ADK 如何評估即時語音智能體
Google 在 ADK 加入原生即時評測功能，可透過模擬使用者以音訊與即時語音智能體對話，評分語音回覆，並沿用文字智能體的評測流程。測試案例可採對話情境或固定對話，並以自然語言評分規準評估整段多輪互動，也可逐輪評分回覆或工具執行。評測可由 CLI 執行，或透過 AgentEvaluator 納入 CI/CD；ADK Web 會呈現轉錄文字及可播放音訊。
LlamaIndex：產品、工程與評測AI 評分5959 LlamaIndex 推出 Turbo Beta 文件抽取層，面向低延遲即時工作流
LlamaIndex 在 LlamaParse Platform 推出 Turbo Beta 文件抽取層，面向低延遲的即時工作流。在 ExtractBench 上，Turbo 比 Cost Effective 快約 4 倍，單頁中位處理時間為 3.7 秒，F1 為 0.84；它直接從文件頁面抽取內容並行處理，中、長文件約為每頁 0.5 秒。
LlamaIndex：產品、工程與評測AI 評分4848 LlamaParse 如何從 PDF 擷取表格：大規模建立結構化、經驗證的資料
LlamaParse 用於從 PDF 擷取表格，重建文字的列欄關係，並輸出可供下游系統驗證和使用的結構化資料。PDF 通常只儲存文字座標或掃描圖像；跨頁表格、合併儲存格和多行內容，會令純文字抽取及固定模板容易出現錯位或失效。
Google Developers BlogAI 評分6868 Google for Startups AI Agents Challenge 高排名參賽方案背後的 4 種工程模式
Google for Startups AI Agents Challenge 各賽道的高排名參賽方案呈現四種工程模式，包括雙向 MCP、事件驅動並行、模型回退後共用驗證，以及昂貴模型調用前的分層路由。
LlamaIndex：產品、工程與評測AI 評分6565 LlamaIndex 拆解 Just-in-Time Agentic OCR 的兩階段流程與適用場景
LlamaIndex 將先低成本解析並檢索、再對相關頁面執行 VLM-OCR 的流程稱為 Just-in-Time Agentic OCR，適用於約 10–100 份文件的臨時資料室。
LlamaIndex：產品、工程與評測AI 評分4141 智能文件處理（IDP）平台：大多數供應商做錯了甚麼
多數智能文件處理（IDP）平台在真實生產環境中，難以應付文件格式與品質差異，表現往往不及供應商示範。示範與生產環境的準確率差距常達 10 至 20 個百分點，模板式系統亦會因文件類型增加而累積維護成本。新一代架構以 LLM 編排層將文字交由 OCR 引擎、表格交由版面感知擷取，圖表及圖片則交由視覺語言模型處理。
Google Developers BlogAI 評分6363 ADK for Kotlin 1.0 正式推出，支援 Kotlin、Android 及伺服器端 AI 智能體開發
Google 宣佈 ADK for Kotlin 1.0 正式推出，為 Kotlin、Android 及伺服器端開發提供 AI 智能體工具包。版本功能與 ADK 1.0 Core 完整對齊，涵蓋多智能體協調、上下文壓縮、多輪對話、人工確認和工作階段恢復。
LlamaIndex：產品、工程與評測AI 評分5858 LlamaIndex Extract 信心分數實用指南：設定門檻與衡量自動化比例
LlamaIndex 説明如何在 Extract 中以信心分數設定自動接受與人工覆核門檻，並用代表性資料集校準至指定精確率。
Google Developers BlogAI 評分6060 Harness Engineering 剖析：如何評估、迭代及為 AI 編碼智能體設置防護
Google Developers Blog 提出評估 AI 編碼智能體的方法，主張以行為評測補足端到端基準，觀察可驗證的中間操作而非只看最終結果。文章建議先針對單一失誤設定目標，按任務複雜度選擇嚴格或彈性的斷言，再以批次評測追蹤整體通過率。行為評測與大型端到端評測互補，可用來檢查提示詞、工具 schema 或模型更新是否造成回歸。
LlamaIndex：產品、工程與評測AI 評分5353 OCR 文件處理：為何更好的抽取器未能縮短人工審核佇列
LlamaIndex 指出，OCR 文件處理的自動化率不只取決於欄位準確率，也取決於系統能否辨識可能出錯的欄位並據此分流人工審核。文章以 20 個欄位、每欄 97% 準確率為例，在理想化假設下估算整份文件全對率約 54%，並提出錯誤捕捉率作為比單看準確率更能預示自動化上限的指標。
LlamaIndex：產品、工程與評測AI 評分5555 AI 文件抽取為何容易在 Schema 設計上出錯
LlamaIndex 指出，AI 文件抽取在生產環境失準，往往源於 Schema 未界定欄位語義、可空性或重複資料結構，而不只是模型讀取錯誤。其 ExtractBench 涵蓋 4,869 頁、370 份文件、8 個業務領域及 67 種文件類型，分開衡量值 F1、記錄完整度與詞級及頁級 grounding F1；文中稱商用 VLM 在長文件中會截斷記錄清單。