PipesHub 优化 PDF 解析，速度与内存占用大幅下降

PipesHub 创始人分享团队为开源上下文层修复 PDF 解析的过程：因 Docling 在消费级设备上内存过高且过慢，他们围绕 pdfplumber 构建了新的解析路径，仅在需要的页面运行布局模型，并保留 Docling 的 heron 模型。在 58 份文档回测中，中位解析时间从 0.98 降至 0.48 秒/页，1228 份文档的 P95 峰值 worker 内存从 2.91 降至 1.97 GB，文本丢失超半数的页面占比从 2.9% 降至 1.2%；初版曾把财务表格当图片处理导致数字缺失。Docling 在图表检测、表格结构和标题识别上仍更好。完整.write-up 和代码见 github.com/pipeshub-ai/pipeshub-ai。