告别OCR！这个AI文档神器直接"看懂"PDF，支持文档归类及多模态问答！

在解析处理 PDF 文档时，我们经常要借助 OCR 工具提取内容，用于搜索、问答或数据整理。

但大部分 OCR 工具存在许多痛点，比如：配置繁琐、模型庞大、图表识别差、精度低、识别结构乱、不能图文结合理解等等。

而且传统 OCR 工具非常依赖文本提取。

今天给小伙伴们推荐一款彻底摆脱传统 OCR 限制的 AI 文档处理神器：No-OCR。

它不再依赖 OCR，而是用多模态 AI + 向量索引来理解整本 PDF，支持图文混合搜索、视觉问答、内容归档查询，是文档智能搜索与问答的全新范式！

真正的无需 OCR 即可实现轻松处理复杂布局、图表和图像，极大提升文档分析效率。

主要功能

• 文档集合管理：支持创建和管理PDF/文档集合，以"案例"分类方便索引查找

• 自动构建数据集：可构建 Hugging Face 风格的数据结构，便于训练/微调

• 向量检索引擎：使用 LanceDB 为每页 PDF 构建图文向量，快速定位内容

• 多模态问答：基于 Qwen2-VL 模型，对图像、图表进行视觉理解与问答

• 混合查询：支持文本 + 图像混合搜索能力，问题更自由、语义更强

快速入手

No-OCR 提供有在线Demo可以直接体验所有功能，也可以在本地或服务器上进行项目部署。

在线体验：no-ocr.com/

使用上主要分为两个流程：创建案例、搜索文档。

创建案例，需要在前端界面，点击"Create Case"，命名Case名并上传 PDF 文件。案例自动组织，支持批量导入。

搜索文档，需要先创建案例，上传PDF文档后，再点击"AI Search"，选择案例，然后输入文本查询。

本地安装部署

1、克隆项目

git clone https://github.com/kyryl-opens-ml/no-ocr

2、安装后端服务依赖项

cd no-ocr-api
pip install -r requirements.txt

3、运行后端服务器

fastapi dev api.py

4、安装前端服务依赖项

cd no-ocr-ui
npm install

5、运行前端服务

npm run dev

依赖服务--->获取 API 密钥

Modal：注册 modal.com 获取 API 密钥。

Superbase：创建项目（supabase.com）获取 URL 和密钥。

Qdrant：本地运行或使用云服务（qdrant.io）。

技术栈一览

• 文档存储与处理：PDF 文档结构化解析

• 向量存储：使用 LanceDB，轻量级、高速

• 多模态模型：采用 Qwen-VL 系列模型，支持视觉问答

• 部署方式：支持 Docker 快速运行 or 本地开发部署

写在最后

No-OCR 这款 AI 文档处理工具可以说是 PDF 分析的一股清流，它完全不依赖传统 OCR，省心又高效！

传统 OCR 工具在 PDF 文本提取中常面临配置复杂、精度不足等问题时，No-OCR 就显得尤为重要了，而且整个流程化处理也更加通俗易懂。

图 + 文 + 问答 + 索引一体化文档理解平台，随时让文档成为"可对话"的智能体。

如果你正在做知识库整理、企业档案智能搜索、图文资料问答分析等任务，No OCR 是极具潜力的开源解决方案之一。

GitHub 项目地址： github.com/kyryl-opens...