核心功能
Zerox 是一款基于 GPT-4o Vision API 的文档转换工具，能够将 PDF、DOCX、PPTX、图片等多种格式转换为结构化 Markdown 文本。其最大特点是采用视觉模型进行内容识别，因此即使对于扫描版 PDF 或纯图像文档，也能实现高质量的 OCR 提取。
显著优点
1. 格式兼容性广：原生支持 PDF（含扫描件）、Word、PowerPoint 及常见图片格式
2. 智能结构化输出：利用 GPT-4o 的语义理解能力，输出带格式的 Markdown，保留文档层级结构
3. 双模式执行：提供前台快速转换（<30秒任务）和后台异步处理（大文件/复杂文档）两种模式
4. 进度可追踪：后台模式支持日志监控和系统通知，避免长时间等待
潜在局限
- 依赖外部 API：必须配置 OpenAI 兼容的 API 密钥，存在网络延迟和调用成本
- 隐私风险：文档内容需上传至第三方视觉模型处理，敏感数据需谨慎评估
- 成本不可控：按 token 计费，大型扫描文档可能产生较高费用
- 无本地离线能力：完全依赖云端模型，无法离线使用
适合人群
- 需要批量提取扫描文档/图片文字内容的研究人员
- 希望将旧版 PDF/图片资料转为可编辑 Markdown 的知识管理者
- 对文档结构化要求高于纯 OCR 文本的开发者
常规风险
| 风险类型 | 说明 |
|---------|------|
| 数据泄露 | 文档内容经 API 传输，需确认服务商隐私政策 |
| API 费用 | 视觉模型 token 消耗较高，建议设置用量上限 |
| 密钥管理 | API 密钥需妥善保管，避免硬编码或泄露 |
| 转换准确性 | 复杂排版、手写体、低质量扫描件可能影响效果 |
使用建议
敏感文档建议先进行脱敏处理，或选用本地 OCR 方案替代；生产环境使用前建议小规模测试验证成本与效果。