Table of Contents
背景
在 RAG（检索增强生成）和文档 AI 应用中，最关键的瓶颈往往不在大模型本身，而是文档预处理阶段。开发者需要将 PDF、扫描件、截图、表格、图表、公式等复杂页面布局转化为可靠的结构化数据。如果这一摄入步骤薄弱，下游 LLM 可能会遗漏关键信息、检索到错误的上下文，或产生不可靠的回答。
PaddleOCR 是业界领先的开源 OCR 和文档解析工具集，提供 PP-OCRv5 系列 OCR 模型和 PaddleOCR-VL 1.5 系列文档解析模型。然而，传统上 PaddleOCR 使用 PaddlePaddle 动态图或静态图作为后端，与 Hugging Face 生态中的 Transformers 库存在集成壁垒。
核心内容：Transformers 后端支持
PaddleOCR 3.5 版本的关键变化是引入了更灵活的推理引擎接口。开发者现在可以通过设置 engine="transformers" 参数，让支持的 PaddleOCR 模型使用 Hugging Face Transformers 作为推理后端。同时，通过 engine_config 可以配置 dtype、设备放置、注意力实现等后端选项。
这一改变的实质是解耦了模型层和推理后端层：
- 应用层：使用 OCR 和文档解析输出的应用（如 RAG、智能体、文档 AI）
- 模型层：OCR 和文档解析能力（PP-OCRv5、PaddleOCR-VL 1.5）
- 推理后端层：运行模型的运行时（Paddle 静态图、Paddle 动态图、Transformers）
PaddleOCR 3.5 主要在推理后端层进行了扩展，使得 PaddleOCR 的模型能力能够自然地融入以 Transformers 为中心的环境。开发者无需手动调用每个内部组件，PaddleOCR 负责管理背后的 pipeline。
行业影响与专业点评
PaddleOCR 3.5 的这一更新对文档 AI 生态具有重要价值。对于已经使用 Hugging Face Transformers 的团队，现在可以直接在现有系统中集成高质量的 OCR 和文档解析功能，无需引入 PaddlePaddle 作为依赖。这降低了技术栈的复杂性，加速了文档预处理管线的构建。
尤其是对于 RAG 系统，文档解析的准确性直接影响检索质量。PaddleOCR 3.5 使得开发者可以轻松地将强大的中文和多语言 OCR 能力融入基于 Transformers 的检索链，从而提升整体系统的鲁棒性。此外，该版本还提供了在线 Demo，方便开发者快速体验。
