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
📈 Stars 变化 ↑12 小时 +4· 统计区间 7/10 12:08 → 7/11 00:11（12 小时）
✅ 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
LobeHub
github.com/lobehub/lobe-chat
AI Agent 协作平台，75,393+ stars。提供现代化的聊天界面，支持多模型切换、插件系统、Agent 团队协作、知识库管理，是个人 AI 工作台的优秀选择
🎯企业知识库问答与 RAG 检索
Crawl4AI
github.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
Docling
github.com/docling-project/docling
文档 AI 预处理工具，58,284+ stars。将 PDF、Word、PPT 等文档转换为 AI 友好的格式，保留表格、公式、图片结构。是 RAG 系统和知识库构建的前置数据准备利器。
🎯企业知识库问答与 RAG 检索、非结构化文档解析与提取
LLM App
github.com/pathwaycom/llm-app
RAG 和 AI 管道模板，59,967+ stars。Pathway 提供的实时 RAG（检索增强生成）解决方案，支持流式数据处理、实时更新知识库，适合构建生产级 AI 应用
🎯企业知识库问答与 RAG 检索、数据采集与 ETL 处理
LlamaIndex
github.com/run-llama/llama_index
文档 Agent 和 OCR 平台，48,716+ stars。领先的 RAG 框架，提供文档索引、数据检索、Agent 编排等完整能力，支持多模态文档理解和智能问答
🎯企业知识库问答与 RAG 检索、多模态内容理解与生成
Cherry Studio
github.com/CherryHQ/cherry-studio
AI 生产力工作室，43,887+ stars。集智能聊天、自动 Agent、知识库管理于一体的 AI 效率工具，支持多模型切换和插件扩展，打造个人专属 AI 工作台
🎯企业知识库问答与 RAG 检索
