为什么我们不做桌面应用
PDF123 不会再发一套桌面界面。离线与私有场景留在 Docker Compose 上,由其中的 pdfx-server 提供与 API 相同的那份目录。

当文件不能离开私有网络时,下一个问题常常是“有没有 Windows 或 macOS 安装包”。这种形态我们有意放弃。桌面 GUI 会是第二套界面代码;“这个应用”和 /api/v1/ 一旦分叉,功能漂移几乎不可避免。
约束是边界,不是外壳
“字节留在这里”靠你自己运行的 pdfx-server 就能满足,并不依赖 WinForms 或 Electron 这种具体形态。Compose 加指向你 base URL 的 pdfx CLI,让浏览器、REST、MCP、CLI 共享同一份操作目录。
怎么把这套栈立起来写在自托管里:Compose 用 task docker:build / task docker:up(API 在 :8080,门户在 :3000),本地开发则在门户旁边跑原生的 task pdfx:dev。想要一道固定门闸就设置 SECURITY_CUSTOMGLOBALAPIKEY。本文只回答一个问题:这套栈为什么不包成桌面产品。
跑在你自己机器上的 pdfx-server,才是覆盖那些从不需要 GUI 的离线批处理的东西:pdfx 指向那个 base,发送与 curl 相同的 multipart 契约。这里的离线指的是服务器归你,而不是 CLI 不需要服务器也能跑。
桌面分叉的代价
消费级套件优化的是画布编辑、可视化对比和应用商店安装包。维持那套界面意味着每加一个 op(合并参数、OCR 模式、消毒默认值)都要在另一个 GUI 里再实现一遍,而它不是 Agent 已在调用的 OpenAPI 契约。
插件和商店渠道会放大支持成本,却不会改善 MCP 或 Idempotency-Key 的行为。每一次商店审核与系统权限弹窗,花掉的时间都不会落到 /v1/openapi.json 上。一旦桌面那棵树上线了 API 没有的合并选项(或反过来),自动化脚本和演示就会悄悄对不上。
OCR 是个具体的例子,说明重复为什么会伤人。服务端路径默认返回 Markdown(text/markdown),分 Auto 与 Force 两种模式(Force 用 ocrType=force-ocr),传 outputFormat=pdf 时则通过 Tesseract 返回可搜索 PDF。两种输出来自不同的引擎,限制也不同,比如语言设置和 50 页上限。如果某个桌面 UI 只照搬其中一条,就会悄悄和 API 不一致。只保留一份 op 定义就不会出现这种分裂。
一份目录、四种客户端、零第二 UI
产品对同一批 op 已经有四种句柄:门户表单、打到 /api/v1/… 的 curl、/mcp 上的 MCP,以及对着你的 base 的 pdfx。合并 就是具体例子:按上传顺序把 PDF 合起来,不把页面栅格化成图像,无论你点了“处理”,还是 POST 了多个 fileInput 部分。
桌面版会是第五种句柄,还自带一条独立发版线。我们在意的失败模式不是“少了个托盘图标”,而是“演示页面还能用,而依赖同一个 op 的脚本已经悄悄回归了”。
我们不在声称什么
跳过桌面版并不会在浏览器里变出 Acrobat 级的交互式编辑。表单工具加 HTTP 作业仍然是产品本身。在线编辑画布、可视化对比、消费级签名 UI 都刻意留在范围之外。需要私有部署,就把 Compose 拉起来,把客户端指向你的 API base;需要像素级编辑器,就用为这件事而生的套件,不要等 PDF123 出一个 .exe。
托管 PDF123 依然是快速的匿名路径,自托管是同一套工具箱搬到防火墙之后。两条路径都不是第三套、会各自漂移的桌面版。与纯浏览器转换器的对比见为什么自托管 PDF 工具箱。买到什么、要运维什么,见自托管实际买到什么。四种非桌面客户端怎么保持一致,见同一操作,四种客户端。