把 PDF 交给 AI，并不是“读文件”这么简单。系统得先拆出文字、段落和它们在页面上的位置，才能继续搜索、抽取，或送进 RAG——一种先检索资料、再让模型回答的流程。LlamaIndex 推出的开源工具 LiteParse，瞄准的正是这道前处理工序：在本地完成解析，不依赖云端或专有大模型功能。
LiteParse 以 Rust 为核心——这种语言强调运行效率与内存安全，并用 PDFium 提取文字。项目方称，文字解析约需每页 2—5 毫秒；结果可输出为 Markdown、JSON 或纯文本，并保留边界框，也就是文字在页面上的矩形坐标，方便系统判断页码、分栏和原始位置。它还支持按需调用内置 Tesseract 或外部 OCR，并可先粗略判断文件是否需要更重的处理。
它的定位不是包办所有文档。项目方明确提示，密集表格、多栏排版、图表、手写内容和扫描件，通常仍需 OCR 或更复杂的云端解析。LiteParse 更像一把本地、轻量的筛子：先快速处理常规文件，再把难题分流出去。