文件處理

簡單講：呢個係 Cherry Studio「將 PDF／圖片／掃描件認字」嘅中央設定。

舉幾個例子，下面呢啲事都依賴佢：

• 你拖入一份掃描版合同 PDF 入對話框，想俾 AI 睇明內容
• 你把一堆圖片格式嘅發票放入知識庫，希望之後可以搵
• 你嘅 Agent 要打開本地資料夾入面某張截圖分析

呢啲場景背後都要先將「圖像入面嘅文字」變成「可以俾 AI 讀嘅文字」，呢一步技術上叫 OCR（Optical Character Recognition，光學字符辨識）。

Cherry Studio 將 OCR 設定統一放喺一個設定頁：你喺呢度設定一次，所有用到 OCR 嘅地方都會用同一套設定。

配置入口

打開 設定 → 文件處理：

文件處理設定面板

面板分兩部分，分別管「圖片識字」同「PDF 解析」。

1. OCR 服務 — 幫圖片認字

適用對象：圖片（截圖、掃描件）、需要先識別成文字先可以俾 AI 讀嘅內容。

• macOS：揀「系統 OCR」就得，唔使任何設定，借用系統自帶嘅識圖能力，離線、免費 ✅
• Windows：揀「系統 OCR」即開即用；如果要識別非英文／中文以外嘅語種，需要喺 Windows 系統下載相應語言包
• Linux / 進階：可選 Tesseract、Paddle OCR、OpenVINO 等

OCR 引擎比較

引擎	適合邊個
系統 OCR	最簡單，免設定，效果通常已經夠
Tesseract	經典開源 OCR，已內置喺 Cherry Studio 入面，支援自訂語言
Paddle OCR	中文辨識效果更好（百度開源），需要「星河社區存取權杖 + API URL」
OpenVINO	Intel 顯示卡可加速

唔確定時用預設系統 OCR，辨識效果唔理想再轉。

2. 文件處理服務商 — 幫 PDF／複雜文件做結構化解析

適用對象：帶表格／多欄／掃描頁嘅 PDF、長文檔。普通純文字 PDF 直接讀就得，唔使經過呢度。

服務商	簡單說明
MinerU（預設）	免費雲服務，專攻複雜版面 PDF（學術論文、合同等），要去 mineru.net 註冊攞 API Key
Paddle OCR	離線方案，需要配置星河社區存取權杖
第三方供應商	調用你已設定嘅某間 AI 服務商嘅視覺模型嚟識別（效果更智能但要收費）

設定 MinerU（預設方案）

1. 喺 API Key 喺欄位填入 MinerU 申請到嘅 key
2. API Host 保持預設 https://mineru.net
3. 切換到知識庫或者 Agent 時唔使額外設定，會自動用呢度嘅設定

同知識庫嘅關係

• 文件處理只負責「非文字 → 文字」呢一步
• 轉換後嘅文字繼續經 嵌入模型 向量化、入庫
• 詳細嘅「喺知識庫中啟用」流程見 知識庫文件預處理

幾時唔需要設定

• 你只用知識庫匯入純文字（.md / .txt / .docx 入面嘅純文字段落）→ 完全唔經文件處理
• 你只用對話功能、唔傳文件 → 同上

提示同技巧

• MinerU 對帶表格／多欄排版嘅 PDF 效果明顯優於 Tesseract，遇到學術論文等首選
• 離線場景請用 Paddle OCR 或 Tesseract（無網都行）
• 切換處理器後，之前已向量化嘅資料 唔會自動重做 —— 要手動重新匯入

---

💡 獲取幫助同提交反饋

如果您喺配置或使用過程中遇到任何疑問、Bug 或有功能改進建議，請參考 反饋同建議 入面提供嘅官方渠道。