liteparse-server 介绍：用于 AI 工作流的自托管文档解析与 OCR
liteparse-server 是一个自托管的 HTTP API，封装了 LiteParse 文档解析引擎，支持 PDF、Office 文档和图像，提供精确的空间布局文本提取和 OCR 功能。它解决了云端解析的延迟、成本和隐私问题，适用于 RAG、视觉模型等工作流。支持两种部署模式：轻量级服务器（无依赖）和完整堆栈（带 Redis 缓存、限流、OpenTelemetry 追踪、Prometheus 指标）。
在 AI 和数据工作流中，处理文档常常会遇到瓶颈。数据通常以 PDF、Word 文档、电子表格或扫描图像的形式存在，而从中提取干净的文本比想象中更困难。简单的提取库（如 pypdf）会丢失空间布局，而云端解析 API 虽然准确，但会引入延迟、按页收费、隐私问题和网络依赖。同时，仅为了提取文本而运行完整的 LLM 成本高昂且速度缓慢，难以扩展。与之相比，LiteParse 提供了快速、本地、准确的文档解析，采用开源工具。它能够精确提取文本的空间布局信息，为每个文本项生成边界框，并报告其在页面上的位置。这种空间保真度对于下游任务（如表格提取、章节检测和引用定位）至关重要。
liteparse-server 将 LiteParse 封装为 HTTP API，使其可以作为专用的自托管解析后端，供任何语言或服务使用。它支持多种文档格式：PDF（原生文本提取及选择性 OCR）、Office 文档（Word、PowerPoint、Excel 等，通过 LibreOffice）以及图像（JPG、PNG、TIFF 等，通过 ImageMagick）。OCR 默认使用 Tesseract.js，并可插件式支持 EasyOCR、PaddleOCR 或自定义 OCR 服务器。
该服务器提供两个主要端点：POST /parse 用于解析单个文档，返回带文本和边界框的结构化页面数据或纯文本；POST /screenshots 用于将文档页面渲染为 PNG 图像，以 Base64 编码返回，适合视觉模型和引用场景。端点接受配置字段以进行精细控制。
部署模式有两种：最小化服务器，无需基础设施依赖，可在本地使用 Bun/Node 或 Docker 运行；完整堆栈通过 Docker Compose 部署，包含 Redis 缓存、Redis 限流、OpenTelemetry 分布式追踪（Jaeger）以及 Prometheus 和 Grafana 监控。缓存使用文件内容的 SHA-256 哈希，避免重复解析。
该项目开源，托管在 GitHub，并提供预构建 Docker 镜像。用户 pull 镜像后即可运行服务器，默认监听 5000 端口。详细的文档（包括 OCR 配置、多格式支持、边界框输出及 TypeScript 和 Python 库 API）可在 developers.llamaindex.ai/liteparse 找到。