简介

解决什么问题

工作中大量 PDF、扫描件、Office 文档需要批量转成结构化文本。商业 OCR 工具要么按页收费、要么要求把文档上传到别人的服务器——对含敏感内容的文档不可接受。docflow 让批量 OCR 在本地完成，并且能被 AI Agent 直接调用。

核心功能

• 多引擎 OCR：MinerU Cloud（Precision / Agent 双模式）、PaddleOCR Cloud、本地 OCR 引擎三档可选，按精度与隐私需求自由切换
• 16+ 格式支持：PDF、Office 全家桶、常见图片格式、OFD 版式文档，内置魔数校验防止伪装文件
• 安全机制：SHA-256 内容去重、文件大小限制，批量处理数千文件不炸内存
• 双形态使用：GUI 桌面应用（拖拽即用）+ CLI 命令行（可接脚本管线）
• MCP 标准接口：暴露 parse_documents 工具，Claude Code 等 AI Agent 可以把它当作自己的"眼睛"直接调用
• 跨平台分发：Windows NSIS 安装器 + macOS Apple Silicon 原生包

技术要点

Electron 28 / React 18 / Vite 5 / Tailwind CSS / TypeScript 5 / MCP SDK / sharp 图像处理；本地 OCR 引擎由 Python 实现（可选依赖）。约 81 个源文件，当前版本 v1.2.0，已开源。

链接

GitHub 开源仓库（见项目本地记录）

复盘

• 关键决策：多引擎抽象层是整个项目的地基——三家 OCR 服务的返回格式差异巨大，先统一成标准 Markdown 输出，后续功能才能叠加；后期把能力封装成 MCP 工具是最关键的一步棋，让一个桌面工具变成了 AI 工作流的可调用环节
• 学到什么：桌面应用的分发成本（安装器、签名、跨平台适配）经常超过功能开发本身，值得在第一天就规划