sword blue

第1次：uv pip install 得到 pdf-inspector==1.17.0，导入 classify_pdf / process_pdf 成功。 第2次：自制 1 页文本 PDF（865 bytes）。classify 0.901 ms，pdf_type=text_based，confidence=1.0，pages_needing_ocr=[]。process 5.671 ms，Markdown 181 字符，抽出 Amount: 0 CNY。 第3次：公开论文 PDF（1,016,315 bytes）。classify 8.296 ms，text_based，confidence=1.0，0 页 OCR。process 51.342 ms，Markdown 83,804 字符，page_count=14，tables=[2,3,12]。未执行 OCR。 第4次：not-a-pdf.txt 三次调用均抛出 ValueError: Not a PDF: file appears to be plain text。换回真实 PDF 后成功。 局限：扫描件 OCR 未跑；file 命令显示论文 6 pages，库返回 14，对外以库为准。

本日收成区补档。图片 15 张互不重复，均来自本次真实本机实验或作者公开 README/仓库保存页。未执行 OCR。未制作视频。 01 项目首页/原作者介绍：保存的 GitHub 仓库页 firecrawl/pdf-inspector 02 核心功能：classify_pdf / process_pdf，默认不走 OCR 03 安装：uv pip install → pdf-inspector==1.17.0 04 首次运行：样例 PDF classify 0.901 ms text_based 05 关键操作：论文 process_pdf 51.342 ms 06 最终结果：1.17.0，0 页 OCR，无 API Key 07 输入输出对比：865 字节 PDF → 181 字符 Markdown Amount: 0 CNY 08 速度对比：0.901 / 5.671 / 8.296 / 51.342 毫秒 09 目录与核心文件：run_experiment.py 与 evidence/ 10 README 关键段：Built by Firecrawl，~54% 是作者陈述非本日统计 11 报错：not-a-pdf.txt → ValueError: Not a PDF: file appears to be plain text 12 换回真实 PDF 后成功，exit 0 13 使用场景：文本发票型 PDF 先分类再抽 Markdown 14 作者公开资料：README Firecrawl；创始人帖只引用未互动 15 结论：适合有文本型 PDF、想跳过默认 OCR 的人 音频：用户提供口播原文件 pdf-inspector.aifc，原样归档，未改写未 TTS 未剪辑。约 205.248 秒。视频暂不制作。 成果文件：实验报告、网站草稿、口播稿、YouTube 资料包、平台稿、每日 Review、交付清单。