小白我要学实用 Agent 教程与工具实测
目录

Episode 002

本地 PDF 工具，哪些功能真的留在电脑里？

用签名 Windows MSI 的桌面本地运行，实测 Stirling PDF 的合并、旧脱敏、新脱敏和 OCR 边界，公开保留哈希、签名、输入输出和失败分支。

一句话结论这轮桌面本地实测里，合并通过；旧 auto-redact 虽然返回 200 但目标文本仍可提取；统一 redact-execute 配合 IMAGE_FINALIZE 在当前样本通过；桌面本地 OCR 直接返回 403，不可用。

打包日期
2026-07-20
原始证据目录
experiments/stirling-pdf/2026-07-20/
签名与哈希
GitHub Release SHA-256 与下载值一致，Windows Authenticode 状态为 Valid
桌面本地 OCR
POST /api/v1/misc/ocr-pdf 返回 403 This endpoint is disabled

本集视频

8 张公开证据图

三页合并结果的真实预览图，能看到 MERGE-A-1、MERGE-A-2、MERGE-B-1 三个页标。
合并 真实输出 · 桌面真实输出：merged-a1-a2-b1.pdf 的公开预览。真正通过点不是 200，而是三页顺序与 expected-results.json 一致。
说明卡，总结合并结果的页序、哈希和值得公开的验证边界。
合并 说明卡 · 手机说明卡：verification-results.json 记录 3 页顺序全对，SHA-256 为 9ebdf7fa...5421。
旧 auto-redact 路径返回后的真实预览图，视觉上与输入预览一致。
旧 auto-redact 真实输出 · 桌面真实输出：旧路径返回 200 和 _redacted 文件名，但公开预览与输入一致，不能据此写成脱敏成功。
说明卡，明确写出旧 auto-redact 虽然返回 200，但手机号和邮箱仍可提取。
旧 auto-redact 说明卡 · 手机说明卡：138-0013-8000 和 demo@example.invalid 都仍可提取，所以旧 auto-redact 这轮公开结论是失败。
统一 redact-execute 加 IMAGE_FINALIZE 后的真实预览图，手机号和邮箱位置被黑框覆盖。
统一脱敏 真实输出 · 桌面真实输出：手机号和邮箱位置被黑框覆盖，姓名、测试编号和公开备注仍可见。
说明卡，记录统一脱敏路径在当前样本里的文本提取结果和边界。
统一脱敏 说明卡 · 手机说明卡：text_characters 为 0，两个目标字符串都变成 false，但这只证明当前单页虚构样本通过。
中文图片扫描件的真实输入图，用作桌面本地 OCR 的测试样本。
桌面本地 OCR 真实输入 · 桌面真实输入：ocr-chinese-scan.png 是 300 DPI 的中文扫描图，对应的 ocr-chinese-image-only.pdf 初始可提取文本字符数为 0。
说明卡，明确记录桌面本地 OCR 返回 403 This endpoint is disabled。
桌面本地 OCR 说明卡 · 手机说明卡：ocr-response.json 记录 403 This endpoint is disabled，run-report.md 还记录缺少 Tesseract 和 OCRmyPDF。

四条结论与验收矩阵

组别总分本地后端可调用HTTP / 接口状态输出文件核验独立文本提取当前功能可用
合并通过511111
旧 auto-redact 失败311100
统一脱敏当前样本通过511111
桌面本地 OCR 不可用110000
  • 合并通过：本地后端可调用，HTTP 200 后又独立确认页序 A1、A2、B1 全部正确，当前样本通过。
  • 旧 auto-redact 失败：它能调用、能返回 200、也会吐出文件，但目标文本仍可提取，所以不能写成脱敏成功。
  • 统一脱敏当前样本通过：统一 redact-execute 加 IMAGE_FINALIZE 在当前单页虚构样本里既保留黑框，也让独立文本提取变成 0。
  • 桌面本地 OCR 不可用：本地后端确实起来了，但 OCR 接口直接返回 403 disabled，所以这轮不能虚构中文 OCR 准确率。

这轮怎么测

这期只用 experiments/stirling-pdf/2026-07-20/ 里的合成样本做核验：两个合并输入 PDF、一个带虚构手机号和邮箱的脱敏样本、一个 300 DPI 的中文图片 PDF，以及对应的本地输出、哈希和机器验收 JSON。页面的公开链接会保留同名原始证据路径。

  • 只引用 experiments/stirling-pdf/2026-07-20/verification-results.json、run-report.md、supply-chain.json、inputs 和 outputs 里的证据，不用宣传页替代实测。
  • 先核对供应链：v2.14.2 的 Windows MSI 下载哈希必须与 GitHub Release 公布值一致，Authenticode 必须是 Valid，签名主体是 Stirling PDF Inc。
  • 合并不只看 HTTP 200，还要独立读取 merged-a1-a2-b1.pdf，确认三页顺序与 expected-results.json 的 A1、A2、B1 完全一致。
  • 旧脱敏路径不把文件名里的 redacted 当结果，而是继续做独立文本提取，看手机号和邮箱是否还留在输出里。
  • 统一脱敏路径要同时看视觉黑框和文本提取字符数是否归零，并把边界写明为当前单页虚构样本，不外推到所有复杂 PDF。

不能夸大的边界

  • 这不是“全部离线”或“绝对隐私”的证明。run-report.md 只记录了一个受限的 loopback 观察窗口，不能证明程序永远不联网。
  • 这不是“OCR 准确”或“桌面中文 OCR 可用”的结论。原始 OCR 请求在本地桌面模式直接返回 403 This endpoint is disabled。
  • 这不是“全部 MIT”或“免费商用”的结论。project-research.md 和公开 LICENSE 来源都指出它是 open-core，桌面编辑器与 engine 目录有单独许可边界。
  • 这不是所有 PDF 都能安全脱敏的保证。统一路径只在当前单页虚构样本通过，owner issue 6153 还记录了银行 PDF 的失败样本。

官方链接、许可边界与已知问题

官方 OCR 文档

官方说明 OCR 需要 Stirling Cloud 或自托管 Tesseract 后端，不等于桌面本地默认可用。

根 LICENSE

MIT 只覆盖未列入例外的内容，不能把整个项目简化成“全部 MIT”。

engine LICENSE

engine 目录单独许可，不把“免费商用”写成默认前提。

Issue 6153

owner issue 记录复杂 PDF 的手动脱敏失败边界，本页不把当前单页样本外推成通用结论。

Issue 5207

owner issue 记录本地安装 backend offline 场景，提醒桌面运行并不等于每台机器零配置可用。

你可以怎样复测这期结论

如果你也想复测一款本地 PDF 工具，不要先问它“支不支持某功能”，而是先锁定你要公开的输入、输出、哈希、失败分支和不能夸大的边界。

  • 先做合成样本，把隐私测试控制在虚构手机号、无效邮箱和公开可见的测试备注，不把真人数据放进流程。
  • 先锁供应链，再跑功能：记录版本号、下载地址、GitHub Release 哈希、Authenticode 状态和签名主体。
  • 每条功能结论都要有独立验收，不把 HTTP 200、按钮可点或文件名变化当成真正通过。
  • 脱敏一定同时看可见输出和独立文本提取，必要时把目标字符串写进 expected-results.json 里做机器核验。
  • 遇到本地桌面接口报 403、disabled 或缺少依赖时，直接把不可用写清楚，不补写主观体验分。
  • 把官方文档、LICENSE 和 owner issue 分开记：文档说明意图，LICENSE 说明边界，issue 说明真实失败样本。
  • 最后只公开你能复现的最强证据图、原始 JSON 和运行报告，让别人能沿着同一路径复测。

原始证据路径