TL;DR

doc7은 로컬 또는 프라이빗 OpenAI-compatible 멀티모달 모델을 이용해 PDF, Office 파일, 스캔, 스크린샷, 차트, 수식, 다이어그램 등을 한 파이프라인으로 처리하여 AI가 검색·인용·추론하기 좋은 Markdown과 페이지별 아티팩트를 생성하는 Go 기반 CLI이자 라이브러리입니다. 별도의 OCR 스택이나 문서 API 요금 없이 로컬에서 처리할 수 있으며 Docker, Windows 포터블, HTTP 서비스, MCP 서버, Go SDK를 제공해 배포·자동화·통합이 용이합니다. 리포지토리에 포함된 벤치마크에서는 qwen3.5-9b 기준으로 시각적 사실 15/15를 복구했다고 보고하므로 시각적 이해가 중요한 RAG·에이전트 지식베이스·보고서 아카이빙 용도로 평가해볼 만합니다.

핵심 포인트

• 레포지토리 성격은 주로 크로스플랫폼 CLI 도구이며 Go SDK, 비동기 HTTP 서비스, MCP 서버를 함께 제공하므로 단일 바이너리로 로컬 워크플로와 임베디드 라이브러리 양쪽에서 사용할 수 있습니다. LM Studio나 Ollama 같은 로컬 OpenAI-compatible 멀티모달 모델 생태계와 직접 연동하도록 설계되어 특정 에코시스템용 플러그인이라기보다 로컬 VLM(endpoints)을 사용하는 도구군에 속합니다. 즉, CLI 중심의 사용자 경험과 함께 프로그래밍용 Go 패키지, HTTP와 MCP 인터페이스를 모두 제공하므로 자동화 파이프라인에 바로 통합할 수 있습니다.
• 기능적 핵심은 '풀 페이지 비주얼 언더스탠딩' 파이프라인으로, 페이지를 렌더링한 이미지를 입력으로 삼아 OpenAI-compatible 멀티모달 모델에 요청을 보내고 구조화된 Markdown과 페이지별 아티팩트를 생성합니다. 별도의 OCR 스택을 필수로 요구하지 않고 모델이 이미지 전체를 이해하도록 유도하며, 결과로 병합된 Markdown, 페이지별 Markdown, 렌더된 이미지, 메타데이터와 매니페스트를 함께 출력해 RAG나 에이전트 지식베이스에 즉시 사용 가능하게 만듭니다. 모델 요청은 temperature:0 등 재현 가능한 설정과 컨텍스트 fallback(해상도 낮춤) 메커니즘, 토큰 한도 초과 시 실패 표기 및 재시도 정책을 포함해 일관된 출력과 감사 가능한 흐름을 유지합니다.
• 배포와 운영 관점에서는 로컬 또는 프라이빗 엔드포인트를 권장하며 Docker 이미지, 설치 스크립트, 자동 업데이트 기능, 구성 명령어(doc7 config/setup)와 resume·batch·workers 같은 재처리·동시성 제어를 제공합니다. Windows용 포터블 패키지는 렌더러를 번들로 포함하고 Docker 이미지엔 LibreOffice, MuPDF, Chromium이 포함되어 있어 렌더링 종속성을 손쉽게 해결할 수 있습니다. 보안·격리 관련한 권장도구(예: 격리된 계정 또는 컨테이너)와 HTTP 서비스 바인딩 시 토큰 보호, 업로드 제한, 작업 격리 같은 운영 안전장치도 마련되어 있습니다.
• 제약과 전제 조건으로는 Office·HTML·SVG·노트북 렌더링에 LibreOffice·Chromium 계열·MuPDF 같은 외부 렌더러가 필요하고, 시각적 이해 품질·속도는 선택한 VLM 모델과 양자화·하드웨어에 크게 좌우됩니다. 컨텍스트 윈도우와 토큰 제한으로 인해 페이지별 출력이 거부될 수 있으며 doc7은 이 경우 해상도 축소와 재시도를 적용해 실패를 기록하는 정책을 사용합니다. 또한 레포는 모델을 규정하지 않으므로 실제 성능을 얻으려면 사용자가 사용할 모델과 하드웨어를 직접 검증해야 합니다.

벤치마크