LiteParse：457页PDF不到1秒 LlamaIndex把解析器用Rust重写了

8.6k Star，Rust 重写，零 LLM 调用，比 PyMuPDF 快 88 倍。纯本地、全平台、Agent 开箱即用。

LiteParse 是 LlamaIndex 团队今年 2 月开源的。一开始是 TypeScript 写的，只有 Node.js 能用。4 月底——LlamaIndex 做了一个狠决定：全量 Rust 重写。
替换的不只是语言。底层引擎从 PDF.js 换成了 PDFium——Google 给 Chromium 写的 PDF 渲染引擎，C 语言，原生速度。这才是 88 倍差距的核心原因：不是"用 Rust 所以快"，是"换成 C 引擎 + Rust 绑定所以快"。

v2.0 上周刚发。8.6k Star，20 个 contributors，50 个 release。社区增速很快。

大部分人看到 "Rust 重写" 就默认归因于语言。但 LiteParse 快的关键是 PDFium。
PDFium 是什么？你打开 Chrome，点一个 PDF——渲染它的就是 PDFium。Google 维护了十几年，C 语言，经过亿级用户验证。PDF.js（火狐的方案，也是 v1 用的）是 JS 实现，架构上就不可能比 C 快。
LiteParse 做的事：用 Rust 写了一个 PDFium 的 FFI 绑定（pdfium-sys + pdfium crate），然后基于它做了文本提取、Grid Projection、OCR 合并。
OCR 策略也很聪明：不是全文 OCR。 默认只对 PDFium 提取失败的区域（扫描件、图片嵌入）做 OCR。内置 Tesseract，也支持 HTTP OCR Server（EasyOCR / PaddleOCR 随便接）。这个"能省就省"的思路把 CPU 浪费压到最低。

装了 Python 版跑了几份真实文档。

一份 IRS 税表，两页，127 个文本项。每个项有精确的 bbox 坐标和 confidence 分数：

批处理也顺手：

截图功能是给 Agent 用的——lit screenshot doc.pdf 生成每页 PNG，喂给 LLM 看图。

很多人把"支持 Python"理解为"包了一层 CLI 调用"。LiteParse 不是——它用了 PyO3（Rust → Python 原生绑定），Python 调用直接走 Rust 函数，零序列化开销。
四个入口：

WASM 版是真正的亮点。 38KB 的 JS 胶水 + wasm 二进制，直接在浏览器跑 PDFium。全程本地，零上传。Simon Willison 做了一个浏览器 Demo，验证过"解析过程中没有任何网络请求"。
但 OCR 在 WASM 里被砍了——系统依赖太多。官方方案是传 OCR callback（比如 tesseract.js）。

Agent 集成是独特优势：

Claude Code / Codex / OpenCode 直接就能用。不用写胶水代码。

LiteParse 的 README 很诚实，开头就写了：

这句话翻译：复杂文档别找我，去用付费版。
这是 LlamaIndex 的商业漏斗——LiteParse 是免费入口药，解决 80% 的简单场景。剩下 20% 的复杂表格、手写体、多栏排版，推你上 LlamaParse（按 token 付费的云服务）。
几个已知局限：

1. 复杂表格不如 pdfplumber——LiteParse 定位是"快"，不是"表格专家"
2. 内存管理——大文档（>500MB）内存占用高，GitHub 有 open issue 在跟
3. WASM 版无内置 OCR——浏览器里只能靠传 callback，或者用 tesseract.js
4. Go 绑定暂无——有需求，但短期内不太可能有

适合：

• AI Agent 流水线里的文档预处理——快、本地、有 skill
• RAG 系统的大批量文档解析——批量模式 + 并发 worker
• 浏览器端隐私敏感场景——WASM 全程不上传
• 替代 PyMuPDF 做基础文本提取——88x 速度差距太大

不适合：

• 需要精确表格提取——用 pdfplumber 或 LLM 方案
• 扫描件为主——OCR 质量取决于 Tesseract，不如 Gemini/Claude Vision
• 生产级复杂文档清洗——LlamaParse 云版才是他们主推的

LiteParse 是目前最快的开源 PDF 解析器，没有之一。
核心决策——PDFium 引擎 + Rust 绑定 + 选择性 OCR——让它在简单文档场景下比 PyMuPDF 快两个数量级。多语言原生绑定和 Agent Skill 让它对 AI 工作流特别友好。
但不要把它当万能药。LlamaIndex 的意图很清楚：LiteParse 解决"快"，LlamaParse 解决"准"。你要的是哪个，取决于你的文档有多复杂。

LiteParse — Apache 2.0，Rust 70%。v2.0 上周刚发，8.6k Stars。