xberg

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

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

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

百度飞桨开源的NLP工具库，提供丰富的大语言模型和小语言模型资源，支持分布式训练、模型压缩和多种NLP任务。

🎯NLP模型训练与部署、中文文本处理、信息抽取

从文档中轻松提取 LLM 上下文，1.8K+ stars。支持合同分析、数据提取、文档智能等场景，兼容 DOCX/PDF/HTML 等多种格式

🎯文档智能解析与 LLM 数据提取