Google LangExtract

LLM 文档上下文引擎，53,227+ stars。自动获取和整理最新文档上下文，为 LLM 提供精确的技术参考信息，减少幻觉并提高回答质量

🎯知识库问答与 RAG 检索

基于 AI 的 Python 智能爬虫——利用大语言模型自动从网页、文档等来源提取结构化数据，无需手动编写解析规则。

🎯智能数据采集——自动从网页和文档中提取结构化数据，适合需要灵活抓取非结构化信息的场景

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

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

开源 RAG 引擎，78,566+ stars。深度融合检索与 LLM 能力，支持 PDF/Word/PPT 等多格式文档解析、智能分块、混合检索和引用溯源，是企业知识库问答的优选方案

🎯企业知识库问答与 RAG 检索、非结构化文档解析与提取

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