magicrew/doc7
magicrew/doc7 has 718 GitHub stars and 38 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-17 22:08 UTC. Last push 2026-08-07.
实测星标增长
- 24小时
- 0
- 7天
- 正在收集历史
- 15天
- 正在收集历史
- 1个月
- 正在收集历史
各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。
关于
Turn documents into AI-ready Markdown with visual understanding
开发工具README.zh-CN.md
原文doc7 通过你自己的 OpenAI 兼容多模态模型,把 PDF、Office、扫描件、截图、 图表、公式和流程图转换为 Markdown。无需专用 OCR 技术栈,不绑定文档处理 服务。
快速开始
安装 doc7,启动 LM Studio 或 Ollama 中的本地视觉模型,然后转换文档:
# macOS 或 Linux
curl -fsSL https://raw.githubusercontent.com/magicrew/doc7/main/scripts/install.sh | bash
# Windows PowerShell
irm https://raw.githubusercontent.com/magicrew/doc7/main/scripts/install.ps1 | iex
# 转换文档
doc7 报告.pdf
首次运行会自动发现本地模型接口,并把选择保存到当前机器。需要使用远程接口
时,运行 doc7 setup 配置即可。
复杂页面,也能完整理解
《Attention Is All You Need》中的一页纯图片 PDF,没有文本层。doc7 把论文身份、 Figure 2、展示公式、缩放原因、技术脚注,以及两张注意力图内部的顺序和并行关系, 完整转换为可检索的 Markdown。
同一套流程也可以处理完整论文和多页报告,再按原始页序重建为一份文档。
doc7 读取整页信息,而不止字符。你可以接入任何兼容 OpenAI 接口的多模态模型, 包括本地模型和私有化部署。doc7 不要求单独搭建 OCR 技术栈,也不收取按页处理费用。
用真实输入衡量效果
两份纯图片 PDF,15 项可机器校验的视觉事实。MarkItDown OCR 与 doc7 通过同一个
本地 OpenAI 兼容接口使用同一个 qwen3.5-9b 模型,Docling 使用标准本地流水线。
这次运行中,doc7 恢复了 15/15 项事实;MarkItDown 加 OCR 为 9/15,Docling 标准流水线为 3/15。
一套流程处理所有格式
不同格式进入同一套页面理解流程。正文、表格、公式、图表、图示关系、图像含义和 可见界面状态,最终组成一份可检索的 Markdown 文档。
从命令行直接开始
同一个二进制文件提供交互式 CLI、批量处理、模型检查、MCP、Go SDK 和异步 HTTP 服务。
详细配置与使用
直接下载: macOS、Linux 和 Windows CLI 压缩包
不需要管理员权限,直接安装最新发行版。
macOS 或 Linux:
curl -fsSL https://raw.githubusercontent.com/magicrew/doc7/main/scripts/install.sh | bash
Windows PowerShell:
irm https://raw.githubusercontent.com/magicrew/doc7/main/scripts/install.ps1 | iex
macOS 推荐使用上面的安装脚本。它会下载并校验发行包,然后安装到当前用户目录, 不需要管理员权限,也不要求 Apple Developer ID。直接用浏览器下载并打开二进制文件 是另一条路径:macOS 可能会给文件添加隔离属性。若选择直接下载压缩包,请在终端 解压后执行发行包中对应的命令:
xattr -dr com.apple.quarantine <解压后的目录>
这只会移除当前下载文件的本地隔离属性,不等同于 Apple 签名或公证。正式的 Developer ID 签名和公证需要 Apple Developer Program 账号,后续可以为正式发行通道接入。
启动 LM Studio 或 Ollama,加载一个本地视觉模型,然后直接转换文件:
doc7 报告.pdf
doc7 截图.png
首次运行就是完整配置流程。doc7 会自动检测系统语言,查找正在运行的本地模型 服务,读取服务实际提供的模型 ID;存在多个模型时让用户选择,验证图像理解能力, 并把选择保存在当前机器。无需鉴权的 LM Studio 和 Ollama 本地接口不需要 Key。
chat 是运行在当前本地模型上的轻量 Agent。普通消息直接对话,不要求包含
文件;不带参数时进入持续会话:
doc7 chat "你好,请介绍一下你自己"
doc7 chat
当用户明确提供文件、目录或网址并要求处理时,模型可以调用受限的
convert_document 工具:
doc7 chat "把报告.pdf 转换成适合知识库检索的 Markdown"
这里没有中文关键词或固定句式判断。模型通过 OpenAI 兼容 Tool Calling 决定
是否调用工具。用户只提供模糊文件名时,Chat 可以在已授权目录中使用结构化的
只读文件工具(pwd、ls、find、file、stat、wc、realpath)查看文件
元数据,再让用户选择候选文件。它不会接收任意 Shell 字符串,不支持管道、重定向、
脚本、写入、网络命令或进程控制。
会话默认授权当前工作目录,以及存在的 Desktop、Documents、Downloads 目录。
访问其他目录时,必须由用户在本地终端输入并授权。head 和 tail 会把有限的
文本内容交给模型,因此被单独限制,并且需要用户确认后才能使用。模型不支持
Tool Calling 时仍可正常聊天,文档转换继续使用稳定入口 doc7 <文件>。
chat 也可以帮助配置 doc7。它会查看当前配置、发现 LM Studio 或 Ollama
已经暴露的模型,并发送真实的小图片请求验证视觉能力:
doc7> 使用本地 LM Studio,选择一个能看图的模型
doc7> 把界面改成英文
doc7> 检查现在的模型配置能不能用
涉及写入的操作先做 dry-run,再调用 ask_user 展示选项。只有你在终端选择确认后
才会保存配置;doc7 --yes chat "..." 可以对本次非敏感配置变更提供显式自动确认。
远程接口需要 API Key 时,Chat 可以发起本地隐藏输入。模型可以看到输入字节数和
凭据来源,但看不到 Key 内容。非交互环境使用 doc7 setup config --api-key-stdin。
查看或修改本机配置:
doc7 config show
doc7 config path
doc7 config set # 列出所有可编辑 Key、当前值和说明
doc7 config set language zh-CN # en、zh-CN 或 auto
doc7 setup # 重新查找本地模型
doc7 config 会显示实际生效的配置文件路径。中文标签旁边保留稳定的英文
Key,修改时可以直接使用:
doc7 config set model <模型 ID>
doc7 config set base_url http://127.0.0.1:1234/v1
doc7 config set credential_store env
配置文件通常位于用户配置目录下的 doc7/config.yaml;如果当前目录或父目录
存在 .doc7.yaml,doc7 会显示并使用那个实际生效的路径。也可以通过
--config <路径> 明确指定配置文件。
升级已安装的 CLI:
doc7 update --check
doc7 update
更新只读取 GitHub 最新正式 Release,下载当前平台包并校验 checksums.txt。
Windows 会在程序退出后替换正在运行的 exe;安装目录需要当前用户拥有写权限。
也可以连接远程 OpenAI 兼容接口。首次向远程接口转换前,doc7 会明确提示文档 内容将离开当前机器。API Key 只保存在系统钥匙串、Windows 凭据管理器、用户 明确指定的环境变量或本机凭据文件中,不会写入仓库或发行包。
Windows x86_64 普通压缩包包含 CLI 和启动脚本。Windows Portable 包还会
携带文档渲染器,受管控的机器可以解压到 C:\doc7 之类的短路径直接运行。
模型不会打包进 CLI,doc7 始终使用你自己配置的本地或私有模型接口。
本地模型,接近零边际成本
doc7 不出售文档额度,也不按页、按图片或按转换次数收费。把量化多模态模型 运行在自己的笔记本、工作站、服务器或私有推理机器上,只要硬件能够继续处理, 就不会因为多转换一页而产生新的 doc7 账单。已有硬件能够承载模型时,新增 一份文档的边际成本主要只剩电力和运行时间。
- 没有文档 API 计价器。 重复转换和大批量处理不会按每一页持续累加 doc7 费用。
- 使用已有硬件。 量化开源模型可以把现有 CPU、GPU 或统一内存变成可重复 使用的文档理解接口。
- 一个模型处理多种信息。 正文、表格、公式、图表、流程关系、截图和图像 含义由同一个视觉模型理解,不需要分别维护 OCR、版面、表格和公式模型。
- 文档留在自己的环境。 本地或私有接口让文档内容停留在用户控制的基础 设施内。
只要内存能够容纳对应权重,小型量化视觉模型就能在配置不高的机器上运行。 实际速度、效果和最低配置由用户选择的模型及量化方式决定;doc7 不限定模型 规模,也不承诺所有模型产生相同结果。
本地推理与云文档 API 的成本结构
云服务价格会随地区、版本、功能和用量变化。长期差异在于计费结构:云文档 API 通常按页、图片或功能调用计费;本地 doc7 的主要成本是用户自己控制的 硬件、电力和运行维护。
| 方案 | 常见计费单位 | 文档量增长后的成本 | 文档位置 |
|---|---|---|---|
| doc7 + 本地量化视觉模型 | doc7 不按页或调用收费 | 主要是已有硬件、电力和运行维护 | 本地或私有基础设施 |
| AWS Textract | 按页面、API 和分析功能计费 | 页面和启用功能越多,用量越高 | 云 API |
| Google Document AI | 通常按页面、处理器和用量档位计费 | 页面和处理器类型决定持续用量 | 云 API |
| Azure Document Intelligence | 按页面、模型和定价层级计费 | 页面和所选能力决定持续用量 | 云 API |
| 阿里云 OCR | 按量调用或预付费资源包 | 持续处理会消耗调用量或资源包额度 | 云 API |
| 腾讯云 OCR | API 调用的预付费或后付费计费 | 持续处理会消耗调用次数或资源包额度 | 云 API |
| 百度智能云 OCR | API 调用、免费额度和付费用量 | 持续处理会消耗调用次数或额度 | 云 API |
如果团队需要托管容量、不想运行模型,云 API 仍然有价值。doc7 面向另一种 选择:复用本地或私有模型,取消持续累加的文档解析账单,把长期文档转换能力 变成自己拥有的基础设施。
公开 Benchmark 详情
| 系统 | Attention 论文 | 视觉报告 | 合计 | 原始 Markdown |
|---|---|---|---|---|
| #1 doc7 + qwen3.5-9b | 7/7 | 8/8 | 15/15 | 5,293 字节 |
| MarkItDown 0.1.6 + OCR 0.1.0 + qwen3.5-9b | 3/7 | 6/8 | 9/15 | 13,142 字节 |
| Docling 2.113.0 标准模式 | 1/7 | 2/8 | 3/15 | 2,571,445 字节 |
| MarkItDown 0.1.6 默认模式 | N/A | N/A | N/A | 0 字节 |
论文案例检查论文身份、Figure 2、两张注意力图的有序关系、展示公式、缩放 原因和技术脚注。视觉报告检查正文、KPI、图表数据与趋势、表格、公式语义与 LaTeX、工作流顺序和界面状态。
MarkItDown 默认模式对两份纯图片输入都生成了空文件,因此标记为 N/A,
不把输入限制伪装成产品能力 0 分;官方 OCR 插件单独参与评分。Docling 的
Markdown 体积较大,是因为其中嵌入了 Base64 页面图像;字节数只作为诊断
信息,不代表质量。
查看 Attention 输入 · 查看 doc7 输出 · 查看 Attention Benchmark · 查看视觉报告 Benchmark
运行信息:2026-07-30 · darwin/arm64。仓库保留全部原始输出、SHA-256、
评分规则和机器可读结果,不包含模型接口地址和凭据。
这两项测试聚焦整页视觉理解,不代表所有文档上的绝对排名。论文输入基于 《Attention Is All You Need》第 4 页制作,用于带署名的学术评估,不属于 doc7 的 MIT 许可证范围。查看来源和授权记录。
需要大规模评估时,使用 olmOCR-Bench 适配器。它支持上游固定版本的 1,403 份 PDF、7,010 个机器可判定事实,不把第三方文档打包进 doc7;在完整、固定版本的运行完成前,doc7 不发布全量排名结论。
doc7 选择了另一条路线
| 主要路线 | 代表项目 | 处理方式 | 需要维护的东西 |
|---|---|---|---|
| 格式解析和文本提取 | MarkItDown 默认路径 | 针对不同文件格式提取文本和基础结构 | Python 依赖和可选插件 |
| 视觉模型 OCR 封装 | Zerox | 将页面转成图像,再交给特定厂商的视觉 SDK | Node/Python SDK、GraphicsMagick/Ghostscript 和厂商凭据 |
| 专用文档 AI 技术栈 | MinerU、Docling | OCR、版面、表格、公式和文档模型组成处理流水线 | 模型权重、运行环境和专用基础设施 |
| 整页视觉理解 | doc7 | 先把页面渲染成图像,再交给你的多模态模型重建 Markdown | 跨平台 CLI、Go SDK、MCP 工具、异步 HTTP 服务和已有模型接口 |
模型由用户决定。doc7 不预设模型规模,也不会宣传没有实测过的模型效果。接入私有化开源模型后,不再需要购买专门的文档解析服务,也没有 doc7 处理额度。
模型、依赖与失败恢复
先查看兼容 OpenAI 的视觉模型接口实际提供的模型 ID:
doc7 models --base-url http://localhost:8000/v1
LM Studio 默认使用 http://127.0.0.1:1234/v1。启动 LM Studio 的本地服务后,使用这个地址和接口返回的某个模型 ID 即可。
再保存接口地址和其中一个真实模型 ID:
doc7 setup config \
--base-url http://localhost:8000/v1 \
--model <model-id>
需要鉴权时,可以设置 DOC7_API_KEY,也可以使用 doc7 setup config --api-key-stdin。如果要使用其他环境变量,必须通过 --api-key-env 明确指定,例如 --api-key-env OPENAI_API_KEY。doc7 不会自动扫描各家模型的环境变量,避免把本机密钥发送到任意私有端点。不需要鉴权的本地或私有接口无需填写占位密钥,doc7 不会发送 Authorization 请求头。
检查本地依赖,并向模型发送一次真实的小图片请求:
doc7 doctor --check-model
把即将处理的文件传给 doctor,可以严格检查该格式所需的依赖:
doc7 doctor report.docx --check-model
转换一个文档:
doc7 read report.pdf -o report-doc7
如果某几页需要换模型或调整参数,可以只重跑指定的原始页。页码从 1
开始,范围两端都包含;输出和 manifest 会保留原始页码:
doc7 read report.pdf -o report-pages-5-7 --pages 5,7
doc7 read report.pdf -o report-pages-10-12 --pages 10-12
manifest 会同时记录 source_page_count 和 page_selection,选中的页面仍然
会写成 page_005.md、page_007.md 等原始页码文件。manifest 和页面 metadata
中的产物路径都相对于输出目录,整个结果可以直接移动到另一台机器后使用。
长文档只有少数页面失败时,可以直接恢复原输出,不需要全部重跑:
doc7 read report.pdf -o report-doc7 --resume
doc7 read report.pdf -o report-doc7 --resume --pages 5,7
不传 --pages 时,doc7 会自动选择现有 manifest 中的全部失败页;显式页码只能
是失败页的子集,并且输入 SHA-256 必须保持一致。成功页的 Markdown 不会改动。
旧 manifest 会归档到 history/,新 manifest 会记录本次处理页数、保留页数和
逐页模型来源,也能准确表达混合模型结果。如果已经没有失败页,--resume 会
校验逐页产物并重建缺失的合并 Markdown,不会请求模型。
把合并后的 Markdown 直接输出给其他工具:
doc7 read report.pdf --stdout > report.md
从 stdin 读取二进制文档时,需要同时提供文件名和扩展名:
cat report.pdf | doc7 read - --stdin-name report.pdf --stdout > report.md
stdin 输入默认限制为 1,024 MB,可以通过 --stdin-max-mb 调整。
递归处理一个资料目录:
doc7 read ./documents -o ./knowledge
处理大目录时,--file-workers 控制同时处理的文档数量,--workers 控制单个文档内部的页面请求并发数。文件级并发默认是 1;只有在本地渲染器和模型接口能够承受总负载时再提高它。
直接处理远程文档:
doc7 read https://example.com/report.pdf -o ./report-doc7
作为服务运行
启动本地异步 HTTP 服务:
doc7 serve --addr 127.0.0.1:8787 --data-dir ./doc7-server
提交一个本地文档或 ZIP:
curl -F [email protected] http://127.0.0.1:8787/v1/jobs
HTTP 服务也接受相同的页面选择字段:
curl -F [email protected] -F pages=5,7 http://127.0.0.1:8787/v1/jobs
响应会返回任务 ID。轮询状态接口,完成后下载合并 Markdown 或完整产物 ZIP:
curl http://127.0.0.1:8787/v1/jobs/<job-id>
curl -o report.md http://127.0.0.1:8787/v1/jobs/<job-id>/markdown
curl -o report-artifacts.zip http://127.0.0.1:8787/v1/jobs/<job-id>/artifacts
在同一个任务中恢复全部失败页,或只恢复指定的失败页子集:
curl -X POST -H 'Content-Type: application/json' \
-d '{}' http://127.0.0.1:8787/v1/jobs/<job-id>/resume
curl -X POST -H 'Content-Type: application/json' \
-d '{"pages":"5,7"}' http://127.0.0.1:8787/v1/jobs/<job-id>/resume
恢复时使用服务当前配置的模型。可以停止服务、修改模型,再使用同一个
--data-dir 重启后恢复原任务。无效页码会在任务状态改变前返回
409 resume_rejected。
GET /healthz 不需要鉴权。监听非本机地址时必须配置 Bearer token,通过 --auth-token-env 指定环境变量名,默认是 DOC7_SERVER_TOKEN:
DOC7_SERVER_TOKEN='replace-me' doc7 serve --addr 0.0.0.0:8787
curl -H 'Authorization: Bearer replace-me' http://127.0.0.1:8787/v1/jobs
服务端接收上传文件和 ZIP。需要处理 URL 时,使用 CLI 或 Go Read API,由调用方自行控制网络策略。
接入 AI 工具
doc7 内置 MCP 服务,并提供类型化的 convert_to_markdown 工具。让 MCP 客户端通过 stdio 启动 doc7:
{
"mcpServers": {
"doc7": {
"command": "/absolute/path/to/doc7",
"args": ["mcp"],
"env": {
"DOC7_BASE_URL": "http://127.0.0.1:1234/v1",
"DOC7_MODEL": "qwen3.5-0.8b",
"DOC7_CREDENTIAL_STORE": "env"
}
}
}
}
工具接受本地路径、目录、HTTP(S) URL 或 ZIP,并返回 Markdown 和结构化转换信息。自动创建的产物保存在用户缓存目录,也可以通过 doc7 mcp --output-root <path> 指定位置。恢复持久化输出时,传入相同的 input 和 output_dir,并设置 resume: true;pages 可以限制为失败页子集。
使用 Docker 运行
Docker 镜像包含 LibreOffice、MuPDF、Chromium 和中日韩字体,以非 root 用户运行 HTTP 服务,并通过命名卷持久化配置和任务:
export DOC7_MODEL=qwen3.5-0.8b
export DOC7_SERVER_TOKEN=replace-me
docker compose pull
docker compose up --no-build
公开镜像地址是 ghcr.io/magicrew/doc7:latest,同时包含 linux/amd64 和 linux/arm64。需要从当前源码本地构建时,改用 docker compose up --build。
默认模型地址是 http://host.docker.internal:1234/v1,Docker Desktop 上的 LM Studio 可以直接使用。需要其他模型端点时设置 DOC7_BASE_URL。容器健康检查通过后,可以向 http://127.0.0.1:8787/v1/jobs 上传文件。
如果构建环境需要代理,Docker Desktop 中不要把宿主机的 127.0.0.1 直接传入容器,改用容器可访问的宿主机地址:
export DOC7_BUILD_HTTP_PROXY=http://host.docker.internal:7890
export DOC7_BUILD_HTTPS_PROXY=http://host.docker.internal:7890
docker compose up --build
使用自己的领域提示词:
doc7 read ./reports --prompt-file ./prompt.md
对于带原生文本层的 PDF 和 Office 文件,可以启用精确值检查:
doc7 read report.pdf --text-grounding
页面图像仍是主证据。doc7 不会运行 OCR,也不会用提取文本替换视觉结果;它只使用文本层检查精确数字、代码和文档标识,并要求视觉模型确认候选校正。无法确认时保留第一遍 Markdown,并在 summary 和逐页 metadata 中写入 grounding_warnings。该模式可能额外调用模型,默认关闭。
模型请求固定使用 temperature: 0,减少同一页面重复运行时的采样波动。每页模型输出默认限制为 8,192 token。如果模型服务因为 prompt 与图片超过 context window 而直接拒绝请求,或在配置的输出上限之前因 context 不足停止生成,doc7 会自动降低请求图片分辨率并重试;原始渲染页面仍保留给产物和 grounding 使用。默认最多 fallback 两次,最长边最低降到 720 像素,可通过 --context-fallbacks、--min-image-dimension、DOC7_CONTEXT_FALLBACKS 和 DOC7_MIN_IMAGE_DIMENSION 配置。
如果模型真正达到 --max-tokens 上限,或者 context fallback 已耗尽,doc7 会将该页标记为失败,不会把截断的 Markdown 当作成功结果写入。fallback 成功时,逐页 metadata 会记录 request_image_max_dimension 和 context_fallbacks_used。单独增大 --max-tokens 无法突破模型服务的 context window。
在 Go 中嵌入
公开包 github.com/magicrew/doc7 提供与 CLI 相同的转换引擎,外部项目不需要导入 internal 包。如果输入可能是本地文件、目录、HTTP(S) URL 或 ZIP,使用统一的 Read:
package main
import (
"context"
"log"
"github.com/magicrew/doc7"
)
func main() {
options := doc7.DefaultReadOptions()
options.OutputDir = "report-doc7"
options.BaseURL = "http://127.0.0.1:1234/v1"
options.Model = "qwen3.5-4b"
result, err := doc7.Read(context.Background(), "report.pdf", options)
if err != nil {
log.Fatal(err)
}
if result.Document != nil {
log.Println(result.Document.MergedMarkdown)
}
}
Read 会返回有类型的单文档结果或递归批处理结果。启用页面选择时,摘要会同时
提供选中的 PagesTotal 和源文档的 SourcePagesTotal。ReadOptions、Options
和 BatchOptions 都可以通过 Resume 恢复已有失败页,并用 Pages 限制失败页
子集。需要明确限制输入形态时,使用 Convert 和 ConvertBatch:
package main
import (
"context"
"github.com/magicrew/doc7"
)
func main() {
options := doc7.DefaultOptions()
options.OutputDir = "report-doc7"
options.BaseURL = "http://127.0.0.1:1234/v1"
options.Model = "qwen3.5-4b"
_, err := doc7.Convert(context.Background(), "report.pdf", options)
if err != nil {
panic(err)
}
}
三个入口都提供有类型的结果和进度回调;启用并发时,页面和文件事件可能并行到达。
转换后保留下来的信息
| 页面信息 | Markdown 结果 |
|---|---|
| 标题、段落、列表、引用和代码 | 原生 Markdown 结构 |
| 表格和电子表格 | 保留数值、单位和表头的 Markdown 或 HTML 表格 |
| 数学公式 | 行内或块级 LaTeX |
| 图表 | 标签、数值、趋势和结论变成可检索文字 |
| 流程图和关系图 | 节点、顺序、分组和关系 |
| 截图和软件界面 | 可见状态、错误、控件和操作 |
| 邮件 | 头信息、HTML 或纯文本正文、内嵌图片和附件清单 |
| Jupyter Notebook | Markdown 单元、代码、执行计数、文本输出、异常 traceback 和视觉输出 |
| 有信息价值的排版 | 对比、层级、顺序和空间关系 |
支持的输入
| 类别 | 格式 |
|---|---|
| 文档 | PDF、DOC/DOCX/DOCM、DOT/DOTX/DOTM、ODT、RTF |
| 演示文稿 | PPT/PPTX/PPTM、POT/POTX/POTM、PPS/PPSX/PPSM、ODP |
| 电子表格 | XLS/XLSX/XLSM、XLT/XLTX/XLTM、ODS |
| 电子书 | EPUB |
| 邮件和网页存档 | EML、MHTML/MHT、Outlook MSG |
| Notebook | Jupyter Notebook(IPYNB) |
| 图片 | PNG、JPEG、GIF、WebP、BMP、TIFF(包括多页 TIFF)、SVG、有序图片目录 |
| 原生文本和数据 | Markdown、TXT、CSV、TSV、JSON、XML、YAML |
| 网页和资料包 | HTML、HTTP/HTTPS URL、ZIP、嵌套文档目录 |
Office 和 OpenDocument 文件需要 LibreOffice。PDF 优先使用 MuPDF,也支持 doc7 doctor 检测到的平台替代方案。HTML、SVG、EPUB、EML、MHTML/MHT、MSG 和 IPYNB 渲染需要 Chrome、Chromium 或 Edge。Windows 发行包包含可拖拽使用的批处理文件。
EML、MHTML/MHT 和 Outlook MSG 均由 doc7 原生解析,不要求安装 Microsoft Outlook。
原生文本和数据格式会在本地直接转换,不需要视觉模型;PDF、Office、图片、HTML、SVG、EPUB、邮件和 Jupyter Notebook 等视觉格式使用配置好的 OpenAI 兼容多模态接口。
为 AI 知识而设计
每次运行都会保存合并后的 Markdown、逐页 Markdown、页面图像、元数据和 manifest,可直接用于:
- RAG 入库和语义检索;
- Agent 知识库;
- 研究和文档分析;
- 视觉报告、截图和历史资料的全文检索;
- 需要逐页来源和处理记录的可审计流水线。
如果只需要 Markdown 和 metadata,可以使用 --keep-images=false。完成后会删除
渲染图片,但后续运行仍然可以命中相同的页面缓存。
远程文件下载有大小和超时限制。ZIP 解压会阻止路径穿越、软链接、文件数量超限和解压体积超限。视觉模型输出写盘前会移除无法验证的图片和链接目标,同时保留可见标签。API Key 不会写入 manifest。
安全边界
doc7 会以当前用户权限调用 LibreOffice、Chrome 等本地渲染器。处理不可信的 Office、HTML、SVG、EML、MSG、IPYNB 或压缩包时,应使用隔离账号或容器。邮件和 Notebook HTML 会经过清理,远程资源和本地文件引用会被移除,内嵌 BMP/TIFF 会在渲染前转成 PNG。模型 API Key 会作为 Bearer 凭据发送到配置的接口,处理敏感文件前请确认接口地址正确。HTTP 服务默认只监听本机;监听非本机地址时必须使用 Bearer token。服务限制上传大小,为每个任务使用独立目录,并只在配置的保留周期内保存已完成任务。MCP 服务继承宿主进程权限,在共享或不可信环境中应限制可访问的路径和 URL。
开源许可证
doc7 采用 MIT License 开源。
运行 doc7 <command> --help 查看完整命令。




