moskize

@zizek 没错，现在会多此一举做这个动作。这里是一个优化点，等于要允许跳过 OCR 截断直接进入分析阶段。calibre 估计没有做合并段落操作。这个用算法很难准确识别，毕竟 PDF 本身是没有这个信息的。pdf-craft 完全是让 LLM 来判断句子到底有没有被切断，然后拼起来。

@x4gz 下一步考虑做多线程

@sunnysab 这种想想都难识别 我看看公式识别相关 AI 能不能抓到这种，不过估计够呛

@3085570450tt 看介绍它们好像是为 LLM 提取文本，而不是用 LLM 处理文本。而且 PyMuPDF 我记得是不提供 OCR 的。

@bfdh 这个你在本地新建一个空文件夹，然后把地址传进去。这个文件夹里会在第一次下载模型，你就留着这个文件夹，下次运行就不会下载模型了。

@sunnysab 有识别公式的方案，不过第一版先用图形作为占位符，接下来准备支持公式识别。

@kitty7030 反过来转化相对好做，不过我暂时不太明白这么做的应用场景有哪些？

@Sasasu 其实我感觉传统存储和 IPFS 不是对立关系。比如，如果说当下 IPFS 市场能容忍比传统存储更贵的存储和分发费用，那为什么传统存储不直接去做矿工呢？还是说，现在传统存储已经偷偷在做矿工了呢？

在设置中搜索「选择文本时显示你迷菜单」，关掉就行了。