Daft
AI 多模态数据引擎,5.5K+ stars。高性能分布式数据框架,专为 AI 工作负载设计——处理图像、音频、视频和结构化数据。支持 Arrow 生态、Iceberg 数据湖,是 AI 数据管道的高效选择
🎯适用场景:企业知识库问答与 RAG 检索、网页自动化与数据采集
📊 仓库数据
✅ 优点
- •AI 多模态数据原生支持
- •Arrow 生态兼容
- •分布式高性能
- •Iceberg 数据湖集成
⚠️ 限制
- •社区规模较小
- •文档不如 Spark 完善
- •部分高级功能待开发
🔗 相关工具
label-studio
开源⭐ 27k↑+1github.com/humansignal/label-studio
数据标注工具,6K+ stars。多类型数据标注和注释工具,支持图像、文本、音频、视频的标准化标注输出
🎯 多模态数据标注、训练数据集构建与质检
TradingAgents
开源⭐ 79k↑+82github.com/TauricResearch/TradingAgents
多 Agent 金融交易框架,51,885+ stars。基于多 Agent 协作的金融交易决策框架,模拟分析师、风控师、交易员等角色协同制定交易策略
🎯 多 Agent 金融交易决策、策略回测与量化投资研究
OpenBB Platform
开源⭐ 68k↑+7github.com/openbb-finance/openbb
金融数据分析平台,66,139+ stars。开源金融数据基础设施,提供股票、加密货币、宏观经济等全方位数据查询和分析能力,支持 Python SDK 和终端使用
🎯 金融数据采集与分析、股票与宏观数据查询
Crawl4AI
开源⭐ 66k↑+11github.com/unclecode/crawl4ai
面向 AI Agent 的开源 Web 爬取框架,支持网页爬虫、Markdown 生成、JavaScript 执行和 LLM 结构化提取。为 Agent 提供可靠的 Web 数据获取能力,支持异步爬取、智能去重和内容清洗,是构建 RAG 系统和 Agent 知识库的关键基础设施
🎯 企业知识库问答与 RAG 检索、网页自动化与数据采集
TrendRadar
开源⭐ 58k↑+11github.com/sansan0/TrendRadar
AI 驱动的舆情监控与趋势分析助手,58K+ stars。支持多平台信息聚合、RSS 订阅、智能预警,帮助打破信息茧房,还原舆情全貌并预测未来走向,辅助决策
🎯 AI 舆情监控、行业趋势分析与情报收集系统
Scrapling
开源⭐ 54k↑+81github.com/D4Vinci/Scrapling
自适应 Web 爬取框架,52K+ stars。从单请求到全规模爬取全覆盖,智能处理反爬、动态渲染和复杂页面结构,是 AI Agent 数据采集的瑞士军刀
🎯 AI Agent 数据采集、舆情分析数据源爬取、竞品监控自动化