重磅发布！Hancom公司于12日正式公开了其开源PDF数据提取工具——“OpenDataLoader PDF v2.0”。
这款v2.0版本的最大亮点，在于它采用了融合AI与直接提取方式的混合引擎。这意味着企业和开发者们，终于可以在本地环境中安全、高效地提取PDF数据，再也不用担心将敏感数据发送到外部服务器了！
更给力的是，工具默认集成了四大AI分析插件，堪称文档处理“神助攻”：- **光学字符识别**：轻松搞定图片PDF和扫描件中的文字识别。- **表格提取**：哪怕是合并单元格等复杂表格结构，也能精准分析，一键提取。- **公式提取**：专门针对科学与数学论文，准确识别其中的数学公式。- **图表分析**：智能解读图表，将可视化信息转化为清晰的文字描述。
这些插件设计时，就考虑到了与Docling等开源AI模型的技术兼容性。它们不绑定任何特定厂商，确保能无缝接入你现有的技术栈。而且，这种插件化架构为未来集成更多AI模型留足了空间，潜力无限！
在内部基准测试中，OpenDataLoader PDF v2.0在阅读顺序、表格和标题推断等方面表现出了卓越的性能。所有测试数据和可复现的代码，都已经在官方GitHub仓库公开，诚意十足！
此次发布还同步升级了开源许可证，从Mozilla公共许可证2.0切换到了Apache许可证2.0。这一变更显著拓宽了工具的商用范围，对开发者和企业来说，无疑是重大利好！
Hancom的AI生态蓝图也在同步展开：2025年已完成与LangChain的集成，并计划在2026年进一步打通Langflow、LlamaIndex和Gemini-cli等主流框架。此外，公司正在积极准备模型上下文协议，旨在为未来的AI智能体提供强大支持。
Hancom首席技术官郑志焕表示：“OpenDataLoader PDF v2.0采用AI与直接提取相结合的混合结构开发，并通过开源许可证的变更，极大地拓展了开发者和企业的应用场景。”
