LlamaIndex 的 LiteParse v2 把文档解析核心用 Rust 重写了。原文给出的标志性数据很直接：457 页、100MB 的 PDF，解析耗时 0.777 秒。
这不是一个单纯的性能更新。LiteParse 面向的是 AI 应用里最基础但最容易被低估的一层：把 PDF、Office 文档、图片等复杂文件变成模型可以消费的结构化文本。
#为什么要重写成 Rust
LiteParse v1 使用 Node.js。对小文档来说，Node 进程启动和运行时开销会明显影响延迟；对大文档来说，内存管理、并发能力和底层解析效率都会成为瓶颈。
v2 换成 Rust 后，小文档速度提升 5 到 100 倍，大文档也有约 3 倍提升。Rust 的意义不只是“更快”，还在于它可以作为同一套核心代码，被绑定到多个运行环境里。
#支持的平台和格式
LiteParse v2 同时覆盖 Python、Node/TypeScript、Rust 和 WASM。Python 用户可以直接 pip install liteparse，Node 用户用 npm i @llamaindex/liteparse，Rust 用户可以安装 crate 或 CLI，浏览器端也可以通过 WASM 在本地运行。
输入格式覆盖 PDF、DOCX、XLSX、PPTX 和图片。输出有三类：结构化 JSON、保留版面的纯文本，以及页面截图 PNG。结构化 JSON 带文本定位和 bounding box，适合需要坐标信息的文档理解任务。
#OCR 和 RAG 的关系
LiteParse 内置 Tesseract，也支持外接 HTTP OCR 服务。它会先用 PDFium 提取原生文本，再对扫描页或图片页做选择性 OCR，最后合并结果并恢复空间布局。
这对 RAG 很关键。很多 RAG 失败不是检索模型的问题，而是文档解析阶段已经把表格、段落、页眉页脚、坐标关系处理坏了。解析层越稳定，后面的 chunking、embedding、rerank 和答案生成才越可靠。
#真正的价值
AI 应用越本地化，文档解析就越像基础设施。一个能在 Python、Node、Rust 和浏览器里跑的解析器，意味着开发者可以在服务器、CLI、本地应用和前端环境里复用同一套能力。
LiteParse v2 的重点不是“又一个 PDF 工具”，而是把文档摄取这条链路做成更快、更可移植、更接近本地优先的底层组件。