Chunkr

Chunkr 官网把自己定义为文档智能接口，做的事是把复杂文档变成高质量数据：解析 PDF、图片与表格，输出可直接喂给大模型的 HTML、Markdown 或 JSON。它既提供托管的云接口，也在 GitHub 上开源了可自部署的版本；官方明确说明开源版用的是社区与开源模型，云接口跑的是自研模型，两者在精度与可靠性上并不相同。

核心能力

• 版面分析：识别文档结构并恢复阅读顺序，官方把它与 OCR、语义分块并列为核心能力。
• OCR 与坐标框：OCR 识别并给出文字块位置信息，方便回溯到原页面核对。
• 结构化 HTML 与 Markdown：把 PDF、PPT、Word 与图片转成保留结构的 HTML 或 Markdown，官方定位为检索增强与大模型可直接使用的分块。
• 按结构抽取：按给定结构抽取字段，官网在页面描述里把它与 OCR、引用定位并列。
• 引用定位：官方称输出带引用，便于核对抽取结果的出处。
• 开源与云两条路线：GitHub 上的开源版可用 Docker Compose 自部署；官方另有云接口与面向高安全场景的企业版，支持本地或 VPC 部署。

适合谁

• 在做检索增强生成、被 PDF 解析质量拖累召回效果的工程团队。
• 需要从合同、财报、论文里批量抽取字段并留下出处的数据团队。
• 有数据不出内网要求、必须自部署的金融与政企技术团队。
• 要处理表格文档、需要原生解析能力的后端开发。

使用建议

• 先拿自己最难的一批文档做评测，再决定用开源版还是云接口；官方自己也在文档里区分了两者精度。
• 开源版官方标注不含 Excel 原生解析，需要处理表格就考虑云接口或企业版。
• 自部署需要 Docker 环境，官方仓库给了 GPU、纯 CPU 与 Mac ARM 三种启动方式。
• 开源版采用 AGPL 许可，商用前先看清许可证要求；云接口与企业版条款以官网说明为准。
• 抽取结果务必保留引用位置并做人工抽检，模型换代后精度可能变化。
• 官方另有文档中心与 Discord 社区，接入遇阻时可以先查文档再提问。