核心用法
GLM-OCR SDK 是智谱AI官方推出的文档解析工具，基于云端MaaS API实现高精度OCR识别，支持图片、扫描件、PDF等多种格式。核心调用极为简洁：
- Python API：
glmocr.parse("document.pdf")单句返回结构化结果 - CLI工具：
glmocr parse image.png --api-key sk-xxx无需配置直接运行 - 返回格式：Markdown全文 + JSON结构化区域（含10类标签：标题、正文、表格、公式、图注等）
显著优点
1. 零硬件门槛：纯云端推理，无需GPU或本地模型部署
2. 结构化输出：自动识别版面布局，区分标题、表格、公式等区域，bounding box归一化至0-1000坐标系
3. Agent友好：支持--stdout直接输出到终端，配合jq可进行管道处理；提供to_dict()/to_json()便于工具链集成
4. 配置灵活：环境变量 > .env文件 > 构造函数参数多层级覆盖，无需YAML即可运行
5. 批处理支持：单文件、多文件、整个目录均可一键解析
潜在局限
- 网络依赖：必须连接智谱云API，无法离线使用
- 隐私敏感：文档内容需上传至第三方服务器，不适合机密级材料
- 成本考量：按调用量计费，高频场景需评估API费用
- 延迟问题：大文档默认600秒超时，极端场景需手动调整
适合人群
- 需要快速集成文档解析能力的AI Agent开发者
- 无GPU资源但需高精度版面分析的个人/小团队
- 构建RAG流程、知识库自动化的工程场景
常规风险
- 密钥泄露：
ZHIPU_API_KEY需妥善保管，避免硬编码提交至版本控制 - 异常静默：SDK对MaaS错误不抛异常，需手动检查
result.to_dict()中的error字段 - JSON解析失败：模型返回异常时
json_result可能为字符串，需容错处理