Pdf Inspector

MinerU 是一款开源的 PDF 文档解析与转换工具，能够将复杂的 PDF 和 Office 文档转换为 LLM 可用的 Markdown/JSON 格式。支持版面分析、表格提取、公式识别和 OCR，专为 AI 智能体工作流设计。66K+ stars。

🎯将 PDF/Office 文档转换为 AI 友好的格式，用于 RAG 知识库构建和文档智能分析

无需向量数据库的推理式 RAG 文档索引方案。通过推理式检索替代传统的向量相似度匹配，大幅提升 RAG 系统的检索精度和相关性。31K+ stars，代表 RAG 技术从向量匹配向推理驱动演进的新方向

🎯知识库问答与 RAG 检索

文档结构化转换工具，15K+ stars。轻松将非结构化文档转换为结构化数据，支持多种文档格式的解析和 ETL 处理

🎯非结构化文档解析与提取、数据采集与 ETL 处理

微软开源的通用文件转 Markdown 工具，支持 PDF、Word、PPT、Excel、HTML、音频、图片 OCR 等数十种格式转换，专为 LLM 和 RAG 数据预处理设计，插件系统可扩展，MIT 协议

🎯多模态内容理解与生成

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

AI 友好的网页抓取 API，支持 URL → Markdown/结构化数据，110K+ stars。专为 LLM 应用设计，自动处理 JS 渲染、分页、反爬，是 RAG 系统的理想数据源

🎯网页自动化与数据采集