Retain Pdf

API LLM OCR 是基于视觉大语言模型的 PDF 转 Markdown 工具，支持表格、排版和文档结构的保真提取。基于 FastAPI 构建，提供简单易用的 API 接口。

🎯PDF 文档数字化、表格提取、学术论文转换

LLM 驱动的非结构化数据提取工具，面向 API 部署和 ETL 管道工作流。支持从 PDF、发票、合同等文档中自动提取结构化数据，适合企业级文档处理场景。6.6K+ stars。

🎯企业文档自动处理、发票/合同信息提取、RAG 数据管道构建

文档 AI 分析工具库，支持文档图像分析、版面分析、OCR 识别和文档理解，适用于 RAG 系统的文档预处理环节。

🎯RAG 系统中文档的版面分析、OCR 识别和信息抽取

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

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

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