PageIndex

开源RAG & 检索 › 文档解析/索引35k↑+22

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

🎯适用场景：知识库问答与 RAG 检索

#RAG#推理式检索#文档索引#无需向量数据库

📥 收录于 2026/5/17

访问工具 📖 官方文档

📊 仓库数据

Stars35,300

Forks3,108

语言Python

协议MIT

上线2025/4/1

更新2026/8/24

📈 Stars 变化 ↑3 天 +22· 统计区间 8/21 13:15 → 8/24 03:32（3 天）

✅ 优点

•无需向量数据库简化架构
•推理式检索精度更高
•支持多种文档格式
•MIT 开源许可

⚠️ 限制

•推理式检索延迟高于向量检索
•依赖 LLM 推理能力
•大规模数据集性能待验证

🔗 相关工具

MinerU

开源78k↑+187

github.com/opendatalab/MinerU

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

#Ai4science#Document-analysis#Docx#Extract-data

Anydoc

开源18k↑+457

github.com/firecrawl/anydoc

Firecrawl 开源 Rust 文档解析器，支持 14 种格式（PDF/Word/PPT/Excel/ODT/RTF/EPUB/CSV/HTML）转 Markdown/JSON。中位耗时 <5ms，纯 Rust 无外部依赖，可编译为 WASM。

🎯RAG 管道文档解析

#document-parser#rust#markdown#rag+1

Pdf Inspector

开源17k↑+141

github.com/firecrawl/pdf-inspector

Firecrawl PDF Inspector 是专门用于 PDF 文档智能分析的工具，支持表格、排版和结构保真提取。基于视觉大语言模型实现 PDF 到 Markdown 的高精度转换。

🎯PDF 文档解析、表格提取、文档数字化

#Markdown#Nodejs#Ocr-routing#Pdf

unstructured

开源15k↑+6

github.com/unstructured-io/unstructured

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

#data-pipelines#深度学习#document-image-analysis#document-image-processing+1

xberg

开源9.2k↑+16

github.com/xberg-io/xberg

xberg 是一个以 Rust 为核心、支持多语言绑定的文档智能框架，提供高性能的文档解析、结构化抽取与索引能力，通过 FFI 对接 Go、C#、Elixir、Bun 等多种语言运行时。

🎯在多语言技术栈中做高性能文档解析、结构化抽取与索引

#document-intelligence#rust#multilingual#ffi+1

RAGFlow

开源89k↑+132

github.com/infiniflow/ragflow

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