用途：服务于法律材料 OCR。默认目标不是返回临时文本，而是把本地 PDF／图片转换为可继续编辑和分析的 Markdown，并在 archive/ 下保留完整归档，便于复核、追溯和二次处理。适合卷宗、病历、证据材料、法院通知、财报、票据等扫描 PDF，以及含表格、印章、页眉页脚、多栏排版、公式或复杂版面的文档。
主要产出：Markdown 文件保存在源文件同目录，默认与原文件同名、扩展名为 .md；archive 归档目录保存在 paddle-ocr/archive/时间戳_文件名/，默认包含原始输入文件副本、result.md、result.json、批次级 batches/*.json、提取出的图片资源和 metadata.json。
使用方式：先在 config/.env 配置 PADDLEOCR_DOC_PARSING_API_URL 与 PADDLEOCR_ACCESS_TOKEN，然后 uv run scripts/convert.py "/path/to/legal-document.pdf"；可用 --pages "1-20"、--output、--archive-name 参数。底层接口调试用 uv run scripts/layout_caller.py --file-path ... --pretty。自检用 uv run scripts/smoke_test.py --skip-api-test 或 uv run scripts/smoke_test.py。拆分页码用 uv run scripts/split_pdf.py input.pdf output.pdf --pages "1-5,8,10-12"。
大文件策略：页数超过 PADDLEOCR_BATCH_PAGES 或预估 Base64 大小超过 PADDLEOCR_MAX_BASE64_MB 时自动分批，可能比官方上限更早拆分，以降低长卷宗、病历合并件和扫描质量不稳定文档的失败率。
限制：不适合只快速读取一小段清晰文本且不需要 Markdown 与归档的场景，也不适合只看重速度的截图抄字；输入须为 PDF 或常见图片格式。未配置 API 时需先补 config/.env。403/Token 错误需更新 Token，超时可调大 PADDLEOCR_DOC_PARSING_TIMEOUT 或缩小页码范围。Markdown 为空时可查看 archive/ 下的 batches/*.json 和 metadata.json 确认原文件质量。收费标准暂未提供。