标签
PipesHub 的创始团队分享了他们优化 PDF 解析的工程实践：用基于 pdfplumber 的轻量解析路径替代部分 Docling 流程，将解析中位时间从 0.98 降至 0.48 秒/页，峰值内存从 2.91GB 降至 1.97GB，同时减少文本丢失。
作者讨论了将AI记忆摄入从数千份扩展到数百万份文档的架构，强调编排和并行性而非原始计算能力，并使用Prefect进行工作流管理。