用途：将论文 PDF、图片或整目录页面图片解析为可由智能体通读的文本，输出 <stem>.md（按页、按阅读顺序的全文）和 <stem>.json（每个块的页码、标签与位置框），并与 PDF 自带的文本层交叉校验。模型直接读像素，因此扫描件、截图、以图片形式嵌入的表格也能转成文本；插图保留为图片，并在图注旁裁剪。
主要能力：公式输出为 LaTeX（display_formula 块），按 \tag*{(n)} 编号；表格为 HTML，跨页表格合并到首页；图注前有 裁剪图。校验阶段会给出 table_mismatch、missing_numbers、missing_text、low_coverage、extra_text、foreign_script、repetition、table_empty_column、formula_number_gap、uncropped_figure、unchecked_table、no_text_layer、empty_page 等警告，需对照源文件逐一确认并修正。
使用方式：脚本路径相对该文件目录，先看 uv run scripts/parse.py --help。解析命令为 uv run scripts/parse.py <paper.pdf> [more inputs ...] -o <outdir>，一次传入全部论文可只加载一次模型；首次运行下载约 2 GB 模型到 ~/.paddlex/official_models/。支持 --pages 3-12 只取部分页、--photo 处理拍摄或倾斜页、--crop-dpi 600 提高插图裁剪精度、--figure-text 提取图内文字、--charts 将图表转为数据表、--keep-all 保留页眉页脚。若 vllm-serve 技能可提供 VL 模型的 vLLM 服务则优先使用，否则走本地原生。
适用场景：论文全文阅读、问答与引用，扫描件或截图文字提取，图表信息核对。
限制：需要 NVIDIA GPU 与 paddleocr uv 工具；速度依赖后端，vLLM 约 0.5–1 秒/页，原生约 10–15 秒/页；长文档建议后台运行。校验只能依赖文本层可证内容，无警告不等于已验证。费用、平台支持范围等暂未提供。