unstructured-data

🦉 資料版本管理與機器學習實驗

精練高品質資料集與視覺 AI 模型

使用 LLM 將非結構化資料構建 Neo4j 圖形資料庫

基於 LLM 的代理式資料處理與 ETL 系統

Towhee 是一个致力于简化神经数据处理流水线的框架

非結構化資料的 Context 層：基於 S3、GCS、Azure 的具型別、具版本控制資料集

處理所有非結構化資料，例如以圖搜圖、語音搜尋、分子搜尋、影片分析、問答系統、NLP 等

🔮 Instill Core 是一個全端 AI 基礎設施工具，用於資料、模型和管線編排，旨在簡化建構多功能 AI 優先應用程式的每一個環節

本地部署、無需 OCR 的非結構化資料萃取、Markdown 轉換與基準測試工具包。(https://idp-leaderboard.org/)

ContextGem：輕鬆從文件中進行 LLM 萃取

Nomic 開發者 API SDK

快速且高效的非結構化資料萃取。以 Rust 編寫，並提供多種語言的綁定。

一個多模態向量資料庫，在結構化與非結構化資料上支援使用統一 SQL（相容 MySQL）進行 upsert 與向量查詢，同時滿足高併發與超低延遲的需求。

針對您的資料進行優化的 Agentic 與 LLM 批次處理

藉由視覺語言模型（VLM），從複雜的文件中取得乾淨的資料 ⚡

給開發者與駭客的開放式文件智慧平台 - 代理式世界的 DMS

由 python 驅動的視覺化資料準備工具

從你的 dataframe 中互動式探索非結構化資料集。

針對大型資料儲存庫的極速資料版本控制系統。用起來像 git，推送與拉取像 oxen。

持續更新的資料代理（Data Agents）進展論文列表。與我們的論文「A Survey of Data Agents: Emerging Paradigm or Overstated Hype?」配套的儲存庫。

NucliaDB，用於 RAG 的 AI 搜尋資料庫