读懂任意 PDF 不必通读全文。
读得更快，文档始终留在本地。
让本地模型阅读文档，几秒内得到结构化简报。
100% 私密
文档不离开你的设备。推理通过 WebGPU 在本地完成。
两个开放模型
可选 SmolLM2 1.7B 或 Qwen2.5 1.5B：小巧、快速，足以处理信息密集的文档。
长文档处理
长 PDF 分段总结，再提炼为一份最终简报。
结构化输出
可直接使用的 Markdown 摘要、要点与实体清单，随处可复制。
带历史的文档问答
提问之后还能回顾每一次运行——摘要、大纲和回答都保存在本地。
PDF、DOCX、TXT 与 Markdown
Word 文档和纯文本与 PDF 完全一样——提取、分块和推理全部在设备端完成。
上传、选择模型、阅读简报。
- 01
上传 PDF
pdf.js 在浏览器中逐页提取文本，不上传任何内容。
- 02
选择任务与模型
摘要、要点、实体提取或你自己的问题，由本地运行的 SmolLM2 或 Qwen2.5 作答。
- 03
阅读简报
答案边生成边流式输出，可直接复制为 Markdown。
PDF 摘要与文档问答详解
一款免费工具，用运行在你设备上的语言模型为文档生成摘要、构建大纲和实体清单，并回答相关问题——无需 API 密钥、无需上传、没有按页收费。它面向面对阅读清单的学生、快速筛读论文的研究者，以及需要从长篇报告和合同中提取事实的职场人士。
PDF、DOCX、TXT 和 Markdown 都支持，提供两个小型开放权重模型，每次运行都会存入本地历史，几周后仍可回看。
工作原理
文档文本在设备端提取：pdf.js 逐页解析 PDF，DOCX 在本地解包，文本和 Markdown 直接读取。能放进单次上下文窗口的文档一遍完成分析；较长的文档会在页边界切成约 8,000 字符的分块，每个分块先单独摘要（map 步骤），再把各分块摘要蒸馏成一份最终简报（reduce 步骤），因此输出覆盖整篇文档而非只有开头。
回答随模型生成逐词流式输出，分块阶段有实时进度。所有结果都可导出为可直接粘贴的 Markdown。
六种任务，两个模型
六种任务模式覆盖常见需求：摘要以一段总览开头，再列出最重要的几点；要点把事实、数字、日期和行动项抽成列表；大纲生成全文的层级化 Markdown 大纲；实体按人物、组织、地点、日期和术语分组；通俗解释用高中生能懂的平实语言重写文档；自由提问则仅依据文档内容作答，答案不在文中时会如实说明。
两个量化版（q4f16）ONNX 模型通过 Transformers.js 在本地运行：HuggingFaceTB/SmolLM2-1.7B-Instruct（约 1 GB）和 onnx-community/Qwen2.5-1.5B-Instruct（约 1.1 GB）。除非你的问题使用其他语言，否则模型会以文档的语言作答。
本地运行历史
每次成功运行——文档名、任务、模型、问题、耗时、页数和完整输出——都会保存到浏览器本地存储。历史面板可以恢复此前的简报、再次复制，或删除单条记录；由于根本没有账号，任何数据都不会同步到云端。免费档保留最近 20 次运行，Pro 保留 100 次，最旧的条目自动淘汰。
WebGPU、CPU 模式与扫描版 PDF
强烈建议使用支持 WebGPU 的 Chrome 或 Edge：生成速度快到近乎对话。没有 WebGPU 时模型通过 WebAssembly 在 CPU 上运行——所有任务仍然可用，但长文档可能要等较久，界面会提前明确提示而非装作很快。纯图片的扫描版 PDF 没有可读文本层，工具会检测到并引导你先走 OCR 工具。模型从开放模型仓库下载一次后缓存，可离线使用。
免费档与 Pro
免费档可处理最多 120 页的文档，运行次数不限，本地历史保留 20 条。Pro 将文档上限提升到 600 页、历史 100 条。超出上限的文档会处理其前面的页面，并明确提示跳过了多少页——不存在严格的上传大小，因为根本没有任何上传；实际天花板是你设备的内存和耐心。两档均包含商用授权、无水印、无月度配额。
能力边界与隐私
15–17 亿参数的本地模型能忠实地做摘要、回答基于文本的事实性问题，但它不是前沿云端聊天机器人：开放式推理请把输出当作快速初稿，数字务必回原文核对。SmolLM2 和 Qwen2.5 的模型卡都在模型仓库公开可查。
论文、合同、病历和内部笔记在模型一次性下载后永不离开你的设备。这正是该工具的核心意义：那些你绝不敢粘贴进云端 LLM 的材料，可以放心地在这里摘要。