document-parsing

將 PDF 或影像文件轉換為 AI 可用的結構化資料。輕量且功能強大的 OCR 工具套件，橋接影像/PDF 與 LLM，支援超過 100 種語言。

讓你的文件為生成式 AI 做好準備

PDF 解析器，將資料轉為 AI 可用格式。自動化 PDF 可及性。開源。

將文件輕鬆轉換為結構化資料。Unstructured 是開源 ETL 解決方案，可將複雜文件轉換為乾淨的結構化格式供語言模型使用。訪問我們網站了解企業級平台產品，支援生產級工作流、分割、增強、切塊與嵌入。

雲端中的知識代理與管理

LandingAI 的 Agentic Document Extraction (ADE) 官方 CLI——從終端機解析文件並萃取符合結構描述的資料

ExtractThinker 是一個針對 LLM 的文件智慧函式庫，提供 ORM 風格的互動以實現靈活且強大的文件工作流程。

透過智慧結構化資料提取與先進 OCR 技術，從任何文件、圖片、PDF、Word 文件、PPT 或網址中提取並將資料轉換為多種格式（Markdown、JSON、CSV、HTML）。

OpenOCR：一個用於通用 OCR 研究與應用的開源工具包，整合了統一的訓練與評估基準、商業級 OCR 與文件解析系統，以及對多篇學術論文核心實作的忠實重現。

TurboOCR，>200 img/s OmnidocBench。TensorRT FP16、PP-OCRv6、HTTP + gRPC

用於本地與自託管文件搜尋的 Agentic RAG：基於嵌入式 LanceDB 的混合檢索、重排序與多模態 RAG，並整合 Docling 解析與 MCP 伺服器

ParseBench - 用於 AI Agent 的文件解析基準測試。

Hybrid RAG system combining vector search, knowledge graph (LightRAG), and cross-encoder reranking — with Docling document parsing, visual intelligence (image/table captioning), agentic streaming chat, and inline citations. Powered by Gemini or local Ollama models.