产品应用8

DeepSeek-OCR：让AI看图背整本书

AI大模型应用实践2025-10-24

AI 摘要

DeepSeek-OCR有独特方法，将文本信息压缩成视觉Token，架构分编码器和解码器，压缩效果好，能突破LLM上下文极限，启发AI“人类式记忆”，或改变AI认知。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

奥特曼：6个月后ChatGPT将接管人生

OpenAI首席执行官奥特曼预言，未来6个月，下一代AI将彻底看懂用户，实现人机共生。当前OpenAI的Chronicle和Dreaming V3分别在屏幕上下文与对话合成方面有进展，且几乎整个AI行业都在押注记忆方向。

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

处理PDF时，若全用OCR成本和延迟会增加，直接提取文本又易遇乱序、乱码等问题。Firecrawl开源的pdf - inspector工具能智能区分扫描版和文本版PDF，按需使用OCR，精准处理。

GitHub上的项目codex-vision-proxy让接进Codex的DeepSeek能看图，不用换模型或等官方，装本地代理即可。它还附带视觉工具包，在智能文档解析和OCR上潜力大，证明多模态能力可长在管道上。