核心用法
LLMWhisperer 是一个命令行工具，用于从图像和 PDF 文件中提取文本及保留原始布局。用户需先在 ~/.clawdbot/.env 配置 LLMWHISPERER_API_KEY，随后通过 llmwhisperer <file> 即可调用。支持将输出重定向保存或直接在终端查看。
显著优点
- 手写体友好：相比传统 OCR，对非印刷体识别准确率更高
- 布局保留：
output_mode=layout_preserving模式可维持文档结构 - 免费易用：100 页/天的免费额度适合个人轻量使用
- 多格式支持：同时处理图片（JPG/PNG）和 PDF
潜在缺点与局限性
- 依赖外部 API：网络波动或服务宕机直接影响可用性
- 数据隐私风险：文件需上传至 Unstract 云端处理
- 配额限制：免费 tier 仅 100 页/天，大量文档需付费
- 无本地离线能力：纯云端方案，无法内网部署
适合人群
- 需要处理手写笔记、表单的个人用户
- 轻量级文档数字化需求的自由职业者
- 快速原型验证阶段的开发者
常规风险
- API 密钥泄露风险（需妥善保管
.env文件） - 敏感文档外传合规问题（医疗、金融、法律场景慎用）
- 服务持续性依赖第三方商业公司