用途：从 PDF 中提取高质量文本，适合扫描件、图片型 PDF 以及含表格、多栏、公式等复杂版式的文档。提供两个 OCR 引擎：olmocr 走云端，适合大批量、S3 与复杂版式；remote 走 Asta 远程 OCR API，适合快速单文件提取。
安装：需 asta CLI，前置条件为 Python 3.11+ 与 uv。安装命令： PLUGIN_VERSION=0.16.0 if [ "$(asta --version 2>/dev/null | grep -oE '[0-9]+.[0-9]+.[0-9]+')" != "$PLUGIN_VERSION" ]; then uv tool install --force git+https://github.com/allenai/asta-plugins.git@v$PLUGIN_VERSION fi
用法：olmocr 需指定工作区位置参数，并用 --pdfs 传入单个路径、通配符、S3 路径或路径列表文件，--markdown 生成 Markdown，--workers 控制并行（默认 20）。示例： asta pdf-extraction olmocr "$TEMP_WORKSPACE" --pdfs document.pdf --markdown remote 用于单文件，可输出到 stdout 或 -o 指定文件，支持 --start-page、--max-pages、--images。示例： asta pdf-extraction remote paper.pdf -o paper.md
输出：工作区含 markdown/、output/（原始 JSON）与 work_queue/。Markdown 保留标题、表格、列表与强调。olmocr 支持 S3 读写，需 AWS 凭据。
限制：两引擎均仅处理 PDF，不支持直接处理图片或实时流式提取；均需 Asta 登录。速度约每页 10-20 秒，成本约每个 10-50 页 PDF 0.001-0.01 美元。建议使用临时工作区，仅保留最终 Markdown 输出。