【经济日报】韩文和电脑在AI开发中解决数据预处理瓶颈，展示了其技术实力。其开放数据加载器PDF v2.0在GitHub上迅速流行，成为全球开发者社区的热门项目。
23日，韩文和电脑宣布其开源项目“开放数据加载器PDF v2.0”在GitHub上成为趋势榜首。发布后一天内获得1800多个星标，累计星标数达8400个，分叉数超过500个。
这一成就不仅仅是受欢迎的标志，更是针对AI开发生态中未解决问题的突破。PDF是全球广泛使用的文档格式，包含企业文件、报告和研究资料等重要数据，但其复杂结构使AI难以直接利用，成为数据预处理的瓶颈。
为解决这一问题，韩文和电脑在其PDF v2.0中应用了结合AI分析和规则提取的混合引擎，设计为在本地环境中处理数据，提升安全性和处理速度。提供OCR、表格、公式提取等多种AI功能，扩展了复杂文档处理范围。
在性能方面，韩文和电脑强调其竞争力。在自有基准测试中，PDF v2.0在阅读顺序、表格结构识别、标题提取等方面表现出色，并公开了测试数据和代码以提高结果的可信度。
韩文和电脑在200个实际PDF文件的基准测试中，整体准确度达0.90，表格提取准确度达0.93，显示出在复杂文档结构中的高识别性能。其混合模式和规则模式的结合应用被认为是性能提升的关键。
扫描文档处理功能也得到增强，内置OCR支持80多种语言，在300DPI以上的低分辨率扫描文件中也能稳定提取文本。还可识别和结构化无边框表格、复杂布局、LaTeX公式、图像和图表，扩展了非结构化数据处理范围。
开源政策也为扩展考虑，项目采用Apache 2.0许可证，允许商业使用，帮助快速建立用户基础并扩展生态系统。
韩文和电脑的开放数据加载器PDF去年被注册为全球AI开发框架LangChain的官方组件，今年计划与“LlamaIndex”和“Gemini CLI”等主要AI框架扩大集成。通过确保与多种AI开发工具的兼容性，旨在自然融入从数据预处理到模型应用的流程。
此外，韩文和电脑计划引入“MCP”功能，帮助AI更高效地理解和利用文档数据，扩展其作为AI基础设施的角色。
随着高性能模型的普及，数据质量和处理效率成为关键竞争力。韩文和电脑通过PDF v2.0的推广，预计将从传统办公软件公司转型为AI数据基础设施企业。
韩文和电脑代表金延秀表示：“此次成就是对我们文档数据提取技术的全球验证，展示了技术生态系统扩展的可能性。通过Apache 2.0许可证的转变，我们将发展成为全球企业和开发者可以自由使用和扩展的开放PDF数据平台。”
※ 本报道经人工智能（AI）系统翻译与编辑。
