核心功能
china-doc-ocr 是一款面向中文场景的多模态文档识别工具，集成硅基流动（SiliconFlow）平台的 PaddleOCR-VL-1.5 与 DeepSeek-OCR 两大引擎，支持 PDF、扫描件、发票、证件、表格等复杂文档的智能识别与结构化输出。
显著优点
1. 国内直连，零门槛使用：基于 SiliconFlow 国内 API 节点，无需 VPN 或海外账号，网络延迟低、稳定性高。
2. 三级降级模型策略：优先 PaddleOCR-VL-1.5（专业OCR），其次 DeepSeek-OCR，最后 Qwen2.5-VL，确保不同质量文档均有可用模型。
3. 多格式全场景覆盖：支持本地图片、URL 图片、单页/多页 PDF，自动识别文件类型并选择最优处理模式。
4. 结构化输出能力：不仅提取纯文本，更能保留 Markdown 格式、表格结构、发票字段等语义信息，直接可用。
5. 成本优势：基于 SiliconFlow 免费额度与低价模型，个人用户可低成本甚至零成本完成批量文档处理。
潜在局限
- 依赖外部 API：核心能力绑定 SiliconFlow 平台，若平台服务波动或策略调整，工具可用性受影响。
- 隐私考量：发票、身份证等敏感文件需上传至第三方云服务，虽 SiliconFlow 为合规企业，但仍存在数据出境合规顾虑。
- PDF 复杂排版：扫描版 PDF、复杂表格、手写体混合场景的识别准确率仍有波动。
- 多页 PDF 依赖 pypdf：需额外安装 Python 依赖，环境配置门槛略高于纯 Shell 方案。
适合人群
- 需要批量处理合同、发票、报告的企业行政与财务人员
- 希望将纸质资料数字化的个人用户与研究者
- 开发中文文档自动化工作流的工程师
- 对海外 API 访问受限、急需国内替代方案的用户
常规风险
- API Key 泄露风险：
SILICONFLOW_API_KEY需妥善保管，避免硬编码或提交至公开仓库。 - 敏感信息残留：工作区临时文件可能包含识别内容，使用后建议手动清理。
- 识别误差：金融、法律等高精度场景建议人工复核，不可完全依赖自动化结果。