ChatPDF 的平替，为什么大多是「自己搭」

搜 ChatPDF 替代的人，抱怨集中在三件事：按页计费把探索变成罚款、免费额度太小、文件要传到别人服务器上。这一个专题按这三条讲清楚：哪些环节能换成本地跑，换完之后哪一块仍然不如云端。

相关搜索：ChatPDF 平替 · AI PDF 本地部署 · 合同 PDF 不上传 · 扫描件 表格 AI 识别 · AI 批量解析文档 · PDF 问答 开源

用户到底在抱怨什么

按页计费惩罚的正是「探索」

文档问答的真实用法是反复追问：先整体摘要，再逐篇问方法，再跨篇对比，再抽数据成表。按「处理过的页数」计费时，上传 50 篇论文的那一下就吃掉 600 页额度，追问几轮月度额度就见底。用户要的是按算力（token）付费，不是按资料库存量付费。

这个模型惩罚探索，而探索正是对话式界面的全部意义……2000 页的月度额度几天就用完了。 —— Stackinsight 社区：按页定价是不是致命伤

免费额度只够「试一下」，不够「干一天活」

主流 PDF 问答工具的免费层普遍是每天 2 份、单份 120 页、10 MB 上限。对偶尔看一篇论文的学生够用，对一次要过十几份合同的人来说，午饭前就用完了。

免费版每天只给两份 PDF、单份 120 页、10 MB；一次要看好几份合同的场景，早上就用完了。 —— ChatPDF 免费层限制的第三方实测汇总

公司文件传到哪去了，没人说得清

文件在企业外部服务器上解析、存储、可能参与训练，是绝大多数公司禁止员工自行上传合同与财务文件的原因。问题不在于工具「会不会泄露」，而在于数据流走出了可控边界——这在金融、医疗、政务场景直接是合规事故。

模型 API 一调，数据就「出去」了，这是合规事故；企业核心数据放到别人服务器上，等于把命脉交出去。 —— 企业大模型私有化部署：趋势、成本与真实踩坑

扫描件、复杂表格一上，准确率就掉

评测里的一致结论：文本型 PDF 表现不错，一旦是扫描件、图片密集页、复杂表格，答案质量明显下降，需要人工回头核对原文。而中文合同、发票、财报恰好全是这三类。

文本型 PDF 表现良好；弱点在扫描文档、图片密集文件、复杂表格和很长的技术文档上，准确性会下降。 —— 2026 ChatPDF 实测与用户反馈汇总

订阅与账单投诉比功能投诉更多

这类工具的差评区里，占比最高的不是「不好用」，而是取消后仍被扣费、客服不回应、额度不滚存。选工具时先看账单投诉，比看功能表更省钱。

评价区里最集中的是账单投诉，包括取消后仍被扣费、客服无回应、付费额度不能滚存。 —— ChatPDF 评测：Trustpilot 差评结构

能解决这些痛点的开源项目

• MinerU（本地离线）— 把 PDF 转成结构化 Markdown / JSON，专门处理扫描件、公式、表格和乱版式，可完全本地运行。是「先解析对，再谈问答」这一步的关键。 痛点标签：中文文档、检索/识别准、本地离线、不限条数。注意：解析是 CPU/GPU 重活，几百份批量跑要排队，别指望秒出。
• PaddleOCR / PP-StructureV3（本地离线）— 中文 OCR 与版面还原的事实标准，发票、表格、证件类识别可直接本地跑，也是很多 RAG 产品的解析底座。 痛点标签：中文文档、检索/识别准、本地离线。注意：版面还原和纯 OCR 是两件事，表格结构要单独开结构化模型。
• RAGFlow（自托管）— 把「解析 → 切分 → 检索 → 回答」串起来，内置 OCR 与表格识别，适合做公司内部的文档问答底座。 痛点标签：数据不出内网、中文文档、检索/识别准、不限条数。注意：解析模板与切分策略要按文档类型调，默认配置答不准属正常。
• Dify（自托管）— 用工作流把「上传 → 解析 → 抽取字段 → 输出表格」固定下来，批量处理的自动化部分在这里做。 痛点标签：不限条数、数据不出内网、团队共享。注意：批量跑要自己加队列和失败重试，别在单次请求里塞几百份。
• Ollama + Open WebUI（本地离线）— 笔记本上就能跑起来的「本地 ChatPDF」：拖文件进去提问，全程不出本机。适合先验证效果，再决定要不要上服务器。 痛点标签：本地离线、数据不出内网、不按量计费、部署简单。注意：本地模型读长文吃力，先调上下文，再考虑换更大模型。
• AnythingLLM（桌面端）— 桌面端应用，直接拖 PDF / Word 建本地知识库，可接本地模型，零代码起步。 痛点标签：本地离线、部署简单、数据不出内网。注意：桌面版适合个人；多人协作要走它的服务端部署模式。

常见问题

有完全离线、不联网也能读 PDF 的方案吗？

有，而且三段都能离线：解析用 MinerU 或 PP-StructureV3，检索用本地向量库，回答用 Ollama 跑本地模型。代价是长文档处理和推理能力不如云端大模型。

自己搭的效果比 ChatPDF 好吗？

中文扫描件和复杂表格通常更好，因为解析这一层可以换、可以调；纯推理和跨文档综合能力通常更弱。结论是：结构化抽取类任务本地更容易赢，开放式分析类任务云端更省事。

一次能处理多少份？

自己搭没有条数上限，上限是你的显存、批处理脚本和队列设计。这就是「不限条数」这个标签的现实含义——不是免费无限，而是不再按份买额度。

不会写代码能用吗？

能用桌面端那一条（AnythingLLM、Open WebUI + Ollama），拖文件就行。要批量解析几百份、输出成表格，就需要一段脚本或一条工作流。

最后更新 2026-11-06。内容基于公开讨论与项目公开文档整理，不构成采购建议；价格与配额随时可能变，下单前请自行核对。