离线RAG环境下的文档解析简直是噩梦

大多数人做RAG的第一步就是把PDF、Docx、PPTX转成纯文本，但市面上的方案要么太重，要么不安全。Apache Tika 确实全能，但得扛着 JVM 走，放在 Rust 或 Go 的微服务里极其违和；Python 阵营的 unstructured 或 Docling 功能强，但 pip 安装依赖、加载 ML 模型权重的过程慢得让人抓狂，而且结果不具有确定性；至于 LlamaParse 这类云端解析，对于银行、医院这种必须物理隔离（Air-gapped）的场景根本没法用。

为了解决这个痛点，我实测了一个叫 DeepDoc 的工具。它最硬核的地方在于：一个纯 Rust 编译的静态二进制文件，不需要 JVM，不需要 Python，不需要联网下载模型，直接丢进 Docker 的 scratch 层就能跑。

实操起来非常简单，直接命令行调用：

$ deepdoc report.docx

输出结果是干净的 Markdown，连文档里的表格都能原样保留，完全没有那些乱七八糟的格式噪音。

从技术实现上看，它走的是一条“枯燥但高效”的路线：将所有格式先统一解析到一个中立的 Document 模型（包含标题、段落、列表、表格等），然后再通过纯函数序列化成 Markdown 或 JSON。这种设计保证了无论输入是 .docx 还是 .pptx，最终输出的 Markdown 路径是统一的，结果高度确定。

对于追求极致部署效率、且对数据隐私要求极高的本地 RAG 工作流来说，这种单二进制文件的解析方案比折腾 Python 环境要爽得多。