Firecrawl 推出开源 anydoc，以加速 AI 文档摄取
该 Rust 引擎可处理 PDF、Word 文件、幻灯片以及其他 10 种格式，并且现在为 Firecrawl 现有的 /parse 端点提供支持。
By Ryan Merket · Published
Primary source: X
Why it matters
Anydoc extends Firecrawl from web extraction into the files that feed RAG and agent systems. Open source drives adoption, while the hosted /parse endpoint captures paid workloads.
Firecrawl, founded by Caleb Peffer (@CalebPeffer), Eric Ciarla (@ericciarla) and Nicolas Silberstein Camara (@nickscamara_), launched anydoc 在 X 的一条帖子中 on August 4th, pitching the open-source Rust engine as a faster way to turn business documents into Markdown for AI systems.
这家旧金山的创始团队在 AI 数据栈中稳步向上游推进。他们此前开发了 Mendable，一个面向文档的 AI 聊天产品，以及 SideGuide，一个开发者学习工具。Peffer 在 Firecrawl 的 2025 年融资公告 中写道，Mendable 多次遇到相同的基础设施问题：获取干净、结构化的网页数据要求每位 AI 开发者自行组装爬虫、代理和后处理系统。Firecrawl 源自创始人决定直接出售这一数据层的决定。
Anydoc 将这一论点从网站扩展到文件领域。Firecrawl 表示该引擎可以将 PDFs、Word 文档、幻灯片和其他 10 种格式转换为 Markdown。公司声称解析延迟大约低于五毫秒，并表示 anydoc 完全开源。Firecrawl 在公告中并未提供基准测试的方法论，因此该延迟数字目前仍为公司报告的性能声明，而非经过独立测试的对比结果。
此次发布还澄清了 Firecrawl 托管文档产品下的底层结构。公司在 4 月 28 日为上传本地或非公开文档的开发者推出了其 /parse 端点。该 API 先前文档记录了对 PDF、DOCX、DOC、ODT、RTF、XLSX、XLS 和 HTML 文件（最大 50 MB）的支持，可返回 Markdown、结构化 JSON 或摘要，同时保留阅读顺序和表格。
Firecrawl 已经描述过 /parse 使用基于 Rust 的引擎，其速度比先前的管道快多达五倍。Anydoc 赋予该引擎独立身份，将幻灯片加入 Firecrawl 公开推广的格式列表，并将解析层转变为面向付费 API 的开源分发通道。
五毫秒说法的局限性
文档解析并不遵循单一的执行路径。嵌入在 Office 文件或 PDF 中且干净的文本可以被直接提取。扫描的页面、手写材料和复杂布局可能需要光学字符识别（OCR）和布局分析，这些处理开销与直接提取有显著不同。
Firecrawl 早期的 Fire-PDF 文档 描述了一个在选择直接提取或更重的布局感知路径之前对单个 PDF 页面进行分类的系统。公司报告该更广泛的 PDF 管道的平均每页处理时间低于 400 毫秒。其 /parse 文档另外警告说，仅图像的 PDF 会通过 OCR 处理，结果取决于扫描质量。因此，新的低于五毫秒的数字不应被解读为对每种受支持文档或每个 OCR 工作负载的端到端延迟。
对于构建检索增强生成、文档搜索和 agent 工作流的开发者来说，这一区别很重要。解析器在干净文件上的速度影响摄取吞吐量，而在表格、扫描件和不规则阅读顺序上的表现决定了生成的上下文是否有用。一次快速但把财务表格或幻灯片序列弄乱的转换，只会将失败向下游转移到检索和模型输出中。
Firecrawl 进入了竞争激烈的解析市场
Anydoc 进入的是一个已有本地库和托管服务的领域。Docling，一个由 IBM Research 启动的开源项目，支持 PDF、DOCX、PPTX、XLSX、HTML、图像和其他格式，并可导出为 Markdown 或 JSON。其他开发者可以选择专门的文档 API，或自行组装 OCR 和转换组件。
Firecrawl 的优势在于通过更广泛的数据平台进行分发。相同的账户和 API 界面已经可以搜索、抓取和爬取网页、与页面交互并解析上传的文件。通过在 /parse 后端安装 anydoc，Firecrawl 可以利用开源吸引开发者，同时围绕该引擎出售托管执行、安全控制和托管基础设施。
Firecrawl 拥有推进该扩张所需的资本。公司在 2025 年 8 月筹集了由 Nexus Venture Partners 领投的 $14.5 million Series A，Y Combinator、Zapier、Tobias Lutke、Abhinav Asthana 和 Matt McClure 参与了该轮。Firecrawl 目前报告的总融资为 $16.2 million。估值未予披露。
Anydoc 将 Firecrawl 推到其作为网络抓取 API 的原始定位之外。Peffer、Ciarla 和 Camara 认为开发者会更倾向于对实时网站和公司系统内部文件使用同一摄取层。将解析器开源降低了采用门槛；通过 /parse 路由同一引擎为 Firecrawl 提供了一条将这种采用转化为 API 使用的路径。