PDF OCR Tool 是一款基于 Ollama GLM-OCR 模型开发的智能文档转换工具，专为将 PDF 文件及图片内容高效转换为结构化 Markdown 格式而设计。该工具通过先进的 OCR（光学字符识别）技术，能够自动识别页面中的文本、表格和图像等不同类型的内容，并根据其特性应用最合适的处理策略，确保输出结果既准确又符合 Markdown 规范。无论是学术论文、商业报告还是数据丰富的图表文档，该工具都能实现高质量的结构化提取。 工具的核心优势在于其灵活的处理模式与高度可定制的配置选项。用户可以选择自动检测内容类型、单独处理文本或表格、识别图表图像，甚至启用混合模式对复杂页面进行分区域处理。此外，支持自定义提示词（prompt），允许开发者根据具体需求调整 OCR 行为，从而进一步提升识别精度。所有处理过程均基于本地运行的 Ollama 服务完成，保障了数据隐私与处理效率。同时，工具采用 uv 包管理器构建环境，简化了依赖安装流程，并支持在 OpenClaw 平台中无缝集成调用。
核心功能特点
- 智能内容类型检测：自动识别页面中的文本、表格或图像，无需手动指定即可精准处理
- 多模式 OCR 处理：支持 auto（自动）、text（纯文本）、table（表格）、figure（图表）和 mixed（混合）五种处理模式
- 分区域混合处理：可将单页拆分为多个垂直区域独立分析，适用于包含多种内容的复杂文档
- 支持 PDF 与图片输入：既能处理扫描版或排版复杂的 PDF 文件，也支持对 PNG/JPG 等图像文件直接进行 OCR
- 可定制提示词模板：内置多种场景专用 prompt（如学术文本、数据表格、统计图表），也可自定义优化识别效果
- 灵活的 Ollama 配置：允许设置主机地址、端口号及模型名称，适配不同部署环境
适用场景
PDF OCR Tool 特别适用于需要将纸质或扫描版数字文档快速转化为可编辑、可索引的轻量级文本格式的场合。例如，在处理大量科研论文、政府公告或企业年报时，传统的手动复制粘贴不仅耗时且易出错。使用该工具可在几秒内完成整本 PDF 的 OCR 转换，并保留段落结构、数学公式、引用关系等关键信息，极大提升知识整理与信息挖掘的效率。 对于涉及数据分析的场景，该工具同样表现出色。当面对包含密集数据表格的财务报告、实验记录或市场调研材料时，选择 table 或 mixed 模式能确保表格结构完整保留为标准的 Markdown 表格语法，便于后续导入数据库、电子表格软件或自动化分析流程。若文档中含有流程图、柱状图或饼图等可视化元素，则 figure 模式会生成详细的文字描述并保存对应图片，方便在 Markdown 文档中还原原始信息。 此外，该工具非常适合集成到自动化工作流中。无论是作为 OpenClaw 技能库的一部分被其他智能体调用，还是在 CI/CD 流程中批量处理合同文档、用户手册等资料，其命令行接口和可编程 API 都提供了极大的便利性。结合自定义 prompt 功能，还可针对特定行业术语或特殊排版风格进行调优，满足专业用户的深度定制需求。