#14 · 主分类： AI数据基础设施与存储
unstract
基于LLM的非结构化数据提取 — 专为API部署与ETL管道工作流设计
项目最后更新：08/29/26
GitHub Stars
7.2K
Forks数量
709
贡献者数量
30
许可证
AGPL-3.0
收录理由
Unstract 直击文档自动化中最棘手的环节：从 PDF、扫描件、合同这类版式混乱的文件里，稳定地抽出可用的结构化数据。如果日常要处理大量发票、表格或报告，且这些文件的排版千变万化，项目自带的可视化工作流编辑器会很有价值——不懂编程的人也能按业务逻辑配置抽取流程，不必为每种文档单独写解析代码。底层依靠大语言模型与 OCR 技术理解版面，统一输出成 JSON，同时提供 API 和 ETL 管道接口，能直接嵌进现有的数据工程体系，而不是另起炉灶。若你的痛点是从真实业务文件中反复提取数据，建议拿自己的样本跑一遍再下结论。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
ClickHouse
ClickHouse® 是一个实时分析数据库管理系统
simdjson
每秒解析数GB的JSON：被Facebook/Meta Velox、Node.js运行时、ClickHouse、WatermelonDB、Apache Doris、Milvus、StarRocks使用
gun
开源网络安全协议，用于同步去中心化图数据。
emqx
为AI、IoT、IIoT和联网车辆提供最可扩展且可靠的MQTT broker
server
MariaDB服务器是MySQL服务器的社区开发分支。由原MySQL团队核心成员发起，MariaDB积极与外部开发者合作，提供业界功能最丰富、稳定且许可合理的开源SQL服务器。