RIP文档提取：十万级工具按到电费

文档提取这行被 Google 打了个响指：新发布的 LangExtract，开源、免费，点评者的原话是——"比十万美元级的企业工具还好"。（要点见原贴、细节以官方仓库为准） 这句"RIP document extractors"背后是文件线的第三击。前面两击各占一角：通用入口把格式统一成 Markdown，本地全家桶把音频视频文档一并落地；LangExtract 补的是抽取的深度——不是把文件撕成文本块，是把文档里有结构的东西（字段、关系、上下文）按原样拉出来。从"能读"到"读得出结构"，正是文件这一格这几周一直在爬的台阶。 "开源、免费、对标十万级"三个词连在一起，宣告的是一场价格塌方。企业文档处理历来是隐形暴利：发票、合同、报表的提取按页计费，ROI 卡在"量大就不划算"；开源方案把这块的价格直接打到电费级。与搜索的水电化是同一个剧本——凡是被大厂当成入口的通用能力，都会先被开源按成基础设施。 对用得上它的人，变天是立刻的：过去按页付费的那类活，现在可以先在本地跑通再谈采购。也留一格清醒——"比企业工具好"是点评者的口径，真实差距取决于你的文档脏度：扫描件、手写批注、跨页表格这三类老大难，还是要拿自己的样本各测一遍才知道。 给正被文档提取账单咬的人一句落地的：挑二十份最刁的样本（跨页表格、混排批注各占几份），本地跑一次对照你现在的方案——结构拉得全不全、字段对不对得上；三样过关，下个季度的采购单上就能划掉一项。