场景大概是这样：用户上传的资料是产品白皮书、研究报告、需求文档之类的，几十页起步，PDF 居多，也有 Word 和 Excel 。要做的事其实就一句话——把内容读懂，然后让 LLM 出一版 outline 加各页要点。
第一版我懒，直接把 PDF 转 base64 丢给 Gemini ，反正它号称百万 token 。跑了几次发现：
第二版自己写解析。pdf.js + mammoth + SheetJS 一套全上。理论上很美好，跑起来就是另一回事：
写到第二天凌晨看着满屏 if/else 兼容代码我开始怀疑这条路。这事本身就不是手搓能搞定的，它涉及版面识别、OCR 、表格还原、章节关系恢复，本质上是一个独立的工程问题，不是周末项目能糊出来的。
然后开始看现成的方案，目前我试过和了解过的：
选完之后问题没全解决，下游怎么用结构化结果也得想。我现在的做法：
这套改完之后同一份白皮书重新跑，10 页 PPT 之前有 4 页跑偏、2 个数据错，现在基本对得上原文。表格那块改善最明显，之前我都不敢让 LLM 直接看原始表格。
写下来还有几个事情没想清楚，想请教下大家：
[ol]
[/ol]
技术栈顺手记一下：Next.js 16 + Bun + Turborepo + oRPC + Drizzle + Postgres + Vercel AI SDK + Vercel Blob 。
https://github.com/Ontos-AI/knowhere-pitchpilot
