OpenDataLoader PDF
OpenDataLoader PDF 是一个面向 AI 的开源 PDF 解析器，自动处理 PDF 可访问性，支持边界框标注、表格提取、OCR 识别和元数据提取，可输出 JSON、Markdown 等格式，为 RAG 和 LLM 训练提供高质量数据。22K+ stars。
🎯适用场景：PDF 文档结构化解析、PDF 转 Markdown、RAG 知识库文档处理
📥 收录于 2026/6/3
📊 仓库数据
📈 Stars 变化 ↑9 小时 +8· 统计区间 7/17 20:11 → 7/18 05:19（9 小时）
✅ 优点
- •专为 AI 场景设计
- •自动处理 PDF 可访问性
- •支持多种输出格式
- •开源社区维护
⚠️ 限制
- •Java 技术栈集成需要适配
- •复杂排版可能丢失精度
- •社区相对小众
🔗 相关工具
MarkItDown
github.com/microsoft/markitdown
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
Supabase
github.com/supabase/supabase
Postgres 开发平台，101,199+ stars。开源 Firebase 替代方案，内置向量数据库支持 pgvector，是构建 AI 应用（RAG、Agent）的理想后端基础设施。提供实时数据库、认证、存储、Edge Functions 等全栈能力。
🎯LLM 应用快速开发
China Textbook
github.com/TapXWorld/ChinaTextbook
收录所有小初高、大学 PDF 教材（GitHub 69k 星），覆盖中国完整教育体系，是 AI 教育应用和知识库构建的重要数据源
🎯中文 PDF 教材数据集、教育领域知识库构建
AFFiNE
github.com/toeverything/affine
开源、本地优先、隐私友好的 Notion 和 Miro 替代品，集知识库、文档、白板、数据库于一体的全功能工作空间
🎯个人/团队知识库搭建、文档管理、白板协作、替代 Notion
Context7
github.com/upstash/context7
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
Meilisearch
github.com/meilisearch/meilisearch
AI 混合搜索引擎，57,234+ stars。开源、快速、易用的全文搜索引擎，支持 AI 语义搜索和传统关键词搜索混合使用，毫秒级响应，提供开箱即用的搜索体验
🎯知识库问答与 RAG 检索
