unstructured-data

🦉 Data Versioning and ML Experiments

精炼高质量数据集与视觉 AI 模型

使用 LLM 将非结构化数据构建 Neo4j 图形数据库

基于 LLM 的代理式数据处理与 ETL 系统

Towhee 是一个致力于简化神经数据处理流水线的框架

非结构化数据的 Context 层：基于 S3、GCS、Azure 的类型化、版本化数据集

处理所有非结构化数据，例如以图搜图、语音搜索、分子搜索、视频分析、问答系统、NLP 等

🔮 Instill Core 是一个全端 AI 基础设施工具，用于数据、模型和管道编排，旨在简化构建多功能 AI 优先应用程序的每一个环节

本地部署、无需 OCR 的非结构化数据提取、Markdown 转换与基准测试工具包。(https://idp-leaderboard.org/)

ContextGem：轻松从文件中进行 LLM 提取

Nomic 开发者 API SDK

快速且高效的非结构化数据提取。以 Rust 编写，并提供多种语言的绑定。

一个多模态向量数据库，在结构化与非结构化数据上支持使用统一 SQL（兼容 MySQL）进行 upsert 与向量查询，同时满足高并发与超低延迟的需求。

针对您的数据进行优化的 Agentic 与 LLM 批处理

借助视觉语言模型（VLM），从复杂文档中获取干净的数据 ⚡

给开发者与黑客的开放式文档智能平台 - 代理式世界的 DMS

由 python 驱动的可视化数据准备工具

从你的 dataframe 中互动式探索非结构化数据集。

针对大型数据存储库的极速数据版本控制系统。用起来像 git，推送与拉取像 oxen。

持续更新的数据代理（Data Agents）进展论文列表。与我们的论文“A Survey of Data Agents: Emerging Paradigm or Overstated Hype?”配套的存储库。

NucliaDB，用于 RAG 的 AI 搜索数据库