编程智能体与代码 · 工具介绍
olmOCR
将 PDF 和图像文档转换为 Markdown 文本的 OCR 工具，支持表格、公式与复杂版面，可使用本地 GPU 或外部推理服务。
olmOCR 能做什么
将 PDF 和图像文档转换为 Markdown 文本的 OCR 工具，支持表格、公式与复杂版面，可使用本地 GPU 或外部推理服务。
- 文档解析与格式转换
如何使用 olmOCR
将扫描文档转换为 Markdown
准备输入
- PDF、PNG 或 JPEG 文档，以及可用的推理环境
操作步骤
- 按本地 GPU 或外部服务方式安装并配置 olmOCR。
- 指定工作目录并使用 markdown 与 pdfs 参数处理文件，再打开生成的 Markdown 核对内容。
预期交付物
- 工作目录中的 Markdown 文本与文档处理结果
核对复杂版面、公式及表格；本地模式需要满足 GPU 与磁盘要求，外部推理会使用所接入服务。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估olmOCR
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
