核心用法
llmwhisperer 是一个命令行 OCR 工具，通过调用 Unstract 提供的 LLMWhisperer API，从图像和 PDF 文件中提取文本及版面信息。用户仅需执行 llmwhisperer <文件路径> 即可将文档内容输出至终端或重定向到文件。
显著优点
- 手写友好：针对手写笔记、填表等场景优化，传统 OCR 易失效时仍能保持较高识别率
- 复杂版式支持：可处理发票、 flyers 等包含多栏、表格、图文混排的文档
- 即开即用：单文件调用，无需配置复杂参数，符合 Unix 管道哲学
- 免费入门：提供每日 100 页免费额度，适合轻度用户尝鲜
潜在局限
- 云端依赖：必须联网且依赖第三方 API，离线场景无法使用
- 配额限制：免费层级 100 页/日对批量处理用户可能不足，超额需付费
- 数据外泄风险：文档内容需上传至 Unstract 服务器，敏感文件处理需谨慎
- 功能单一：仅支持提取纯文本，无表格结构化导出（如 Excel/JSON）等进阶功能
适合人群
- 需快速提取手写笔记、扫描件的个人用户
- 处理发票、合同等非结构化文档的轻量办公场景
- 不愿部署本地 OCR 服务、偏好 SaaS 方案的开发者
常规风险
| 风险类型 | 说明 |
|---------|------|
| 隐私合规 | 医疗、金融等敏感文档上传可能违反数据保护规定 |
| 服务可用性 | API 故障或额度耗尽将导致工作流中断 |
| 识别误差 | 极端潦草手写或低质量扫描件仍存在误识别可能 |