一些電商商戶的顧客不會用產品,最後留下負面評價。Damon Chen 在經營 Testimonial 時聽到這個麻煩。Testimonial 幫商戶收集影片評價;商戶想提高收集率,卻發現顧客連產品怎麼用都沒搞明白。Damon 後來去試的方向,是讓顧客直接問產品手冊。手冊通常是 PDF。[1]
這套需求後來長成 PDF.ai。它最早被探索的方向,是讓商戶的顧客和產品說明書聊天;今天有官方文件可查的是它的 API。開發者把 PDF 交進去,拆成可讀內容,按自己寫的 schema 抽欄位,或者對著已解析文件提問。API 由持有 key 的接入方呼叫、購買 credits。API 會回傳解析內容、結構化欄位和問答答案,但不替接入方寫 schema,也不替它把答案放回客服頁面。
圖:來源 PDF.ai 官網[2],2026-11-10取得,保留原介面。
解析是底層步驟,但不必每個流程都先單獨呼叫 Parse:Extract 可以用 file/url 在抽取呼叫裡順帶解析並回傳 docId,Ask 則要求 docIds 已經解析。單獨的 Parse 端點可以上傳檔案、給 URL,或拿已有 docId,換回可讀內容、頁數和 docId。standard 走 OCR,每頁 1 credit;advanced 走視覺語言模型,每頁 2 credits;若讓 LLM 處理圖片,每 5 張加 1 credit,向上取整。[3]
docId 是帳單上的折扣鍵。相同設定下再用同一個 docId 呼叫 Parse,命中快取,計 0 credits;這個 docId 還能給後續抽取、拆分呼叫重用,省掉重複解析。省的是重複拆 PDF,不是之後每次呼叫。
Extract 要你先寫 JSON schema,它按 schema 回傳資料,並附 citations:每條有 content、pageNumber、schemaLink,把欄位指回原文段落和頁碼。它不是只給一段總結,而是把「這個數字從哪裡來」一起交出來。但 schema 是人寫的;欄位定義錯了,citation 再準,也只是準確指向一個錯誤的問題。[4]
Ask 接受 prompt 和一個或多個 docIds;傳給它的 docIds 必須已經解析。credits 按請求裡所有文件總頁數 ×3。比如一份 200 頁的產品手冊,問一次就是 600 credits,還沒算解析的錢。手冊越厚,問一次越貴,跟你問得多細沒關係。[5]
API 免費方案 $0/月,含 200 credits/月,不用信用卡;付費從 $49/月 3,000 credits 起,再往上按檔位增加,超過 100,000 credits/月要聯絡他們。[6]
Extract 的帳先看端點公式,別被額度頁的短摘要帶偏。端點文件按 schema 欄位數算:5 個以內每頁 2 credits,超過 5 個每頁 4;解析費另算,傳 file/url 會在抽取呼叫裡產生解析 credits,傳已有 docId 則不再產生。官方額度頁的短摘要寫成 standard 每頁 2、advanced 每頁 4,標籤不同;官方計費說明已明確,細節衝突時以端點頁為準,按欄位數來估算 Extract 呼叫。[4] 計費說明[7]
Damon 不是先想做 AI PDF 工具,再去找場景。2020 年,他還在 Cisco 做工程師,孩子一歲。他申請 6 個月無薪假做副業專案,做了 5 個,前 4 個收入 $0;第 5 個 Testimonial 複用了 Indielog 約 80% 的程式碼。假用完,他回 Cisco,夜裡和週末繼續做,4 個月後到 $2K MRR 才辭職。辭職讓家庭收入少 50%,他和妻子約定一年內做不到 $100K ARR 就回科技公司,期間妻子承擔房貸和帳單。[1]
PDF.ai 就是從 Testimonial 的商戶需求裡長出來的:先有顧客不會用產品、留下負面評價的具體麻煩,才有讓顧客和產品手冊聊天的嘗試。這個順序解釋了它為什麼不是「上傳 PDF 聊一聊」就完了:商戶要的是把答案放回顧客面前,介面則把這件事拆成解析、抽取和提問三段。
訪談導言稱 PDF.ai 超過 $500K ARR、Testimonial 超過 $800K ARR;這是訪談時點的經營自述,不能當成 PDF.ai 當前收入。API 業務占多少、付費客戶多少,公開版本沒有披露;訪談在問獲客管道處截斷。公開材料裡也沒有推理與 OCR 成本、檔案儲存和客服支出,從 credits 標價推不出利潤。[1]
同類裡能拿來比的是 ChatPDF。它的後端 API 也先新增 PDF source,單一檔案上限 2,000 頁或 32 MB;聊天介面無狀態,歷史要在一次請求裡帶上,最多 6 則訊息,總 token 超過 2,500 時較早的訊息會被忽略;開啟 referenceSources,回應可帶 [P<N>] 內嵌頁碼和 references 陣列。PDF.ai 的 Ask 則要求 docIds 已經解析,按所有文件總頁數 ×3 收 credits,一次可傳多個 docIds。能放在一起比的只有介面條件,不是同一份文件上的答案準確性。[8]
回到開頭那類負評:商戶先想解決的是顧客不會用產品、留下負面評價,而不只是「AI 能讀 PDF」。PDF.ai 把說明書拆成 Markdown、欄位和頁碼引用,也把這件事拆成按頁扣的 credits。快取 docId 能免掉重複解析,但免不掉抽取按頁、提問按整本頁數計費。介面能替商戶把答案找出來,替不了商戶判斷 schema 寫得對不對,也替不了顧客把問題問清楚。這套 API 真正賣的,不是把 PDF 讀一遍,而是把「顧客找不到答案」變成一筆可預算的呼叫。