把 PDF 解析成带坐标信息的 JSON、Markdown 或 HTML，方便喂给 RAG 和 AI 流程，同时自动生成无障碍标签。
用 Rust 写的高性能 PDF 解析库，能快速判断 PDF 是扫描件还是文本型并抽取文字，方便后续决定走 OCR 还是直接解析。
纯 Python 实现的 PDF 解析库，能从 PDF 中提取文本、布局和元数据，适合做文档解析、内容抽取和 RAG 数据预处理。
用纯 Rust 从零实现的 PDF 阅读与编辑工具，可打开、查看并修改 PDF 文档，适合需要轻量、高性能 PDF 处理能力的场景。
高性能 Python 库，用来从 PDF、EPUB 等文档中提取文本、表格和图像，并做格式转换与页面操作，适合搭建文档解析和 RAG 数据管道。
能深入解析 PDF 中每个字符、矩形和线条的位置信息，方便提取文本和表格，适合处理结构复杂的 PDF 数据。
纯 Python 实现的 PDF 处理库，能拆分、合并、裁剪和变换 PDF 页面，无需外部依赖即可在脚本里完成常见 PDF 操作。
国产 PDF 工具箱，能编辑书签、裁剪旋转页面、解除限制、提取合并文档、探查结构，还能把 PDF 转成图片或提取图片。
收集系统编程、计算机科学等领域的技术论文、规范、手册和演示文稿 PDF，并提供在线浏览与搜索入口，方便按主题查找硬核技术资料。
用 Go 写的 PDF 处理库和命令行工具，支持校验、合并、拆分、加密、水印、优化等操作，适合在 Go 项目里直接集成 PDF 处理能力。
把代码库连同文档、SQL schema、配置和 PDF 一起解析成可查询的知识图谱，供 Claude Code、Cursor 等编码 Agent 做代码检索，全程本地 AST 解析、不依赖向量库。
把 PDF、Office 等复杂文档转成 LLM 可直接用的 Markdown/JSON，内置版面分析和 OCR，专为 RAG 与 Agent 工作流准备语料。
把 PDF、DOCX、HTML 等文档解析成结构化 Markdown 或 JSON，方便喂给大模型和 RAG 流程。
把 PDF 快速转成 Markdown 和 JSON，解析准确率高，适合喂给 RAG 或做文档结构化处理。
轻量级 OCR 工具包，能把图片和 PDF 转成结构化数据，支持 100 多种语言，方便接入 LLM 和 RAG 流程。
把 PDF、Office 文档等各类文件转成 Markdown 的 Python 工具，方便喂给 LLM 或做文档处理。
老牌开源 OCR 引擎，用 LSTM 识别图片中的文字，支持上百种语言，适合做文档扫描和文本提取。
面向智能体的 RAG 检索引擎，把文档解析、知识编译和上下文管理整合成一套基础设施，帮 Agent 稳定拿到高质量检索结果。
用 Rust 写的高性能开源文档解析器，能从 PDF 等文档中快速提取文本和 OCR 识别结果，适合给 RAG 和检索流程做预处理。
🌈一个跨平台的划词翻译和OCR软件 | A cross-platform software for text translation and recognition.
用小型专用模型搭建企业级 RAG 流水线的统一框架，覆盖文档解析、检索和智能体编排，适合在本地或私有环境部署。
把 PDF、DOCX、图片等复杂文档解析成干净结构化数据，方便喂给语言模型做 RAG 和检索。
本地运行的简历匹配与生成工具，用 100+ 大模型解析简历、计算与职位描述的文本相似度，并生成 PDF 和求职信。
多语言文档智能解析引擎，能从 100 多种格式中提取文本、表格和元数据，并支持 OCR、语音转写和代码理解，适合为 RAG 流程准备高质量数据。
字节跳动开源的文档图像解析模型，用异构锚点提示把 PDF 和图片里的版面、文字、表格一次性解析成结构化内容，适合喂给 RAG 或做文档分析。
把 PDF、Word、PPT 解析成适合喂给大模型的格式，尽量不丢内容，省去自己清洗文档的麻烦。
能识别复杂表格、表单和手写内容的 OCR 模型，保留完整版面布局，适合把扫描件和图片转成结构化文本喂给 RAG 或文档解析流程。
把 PDF、图片、音视频等各种格式的数据统一解析成结构化文本，方便直接喂给 GenAI 框架和 RAG 流程使用。
开源免费的离线 OCR 软件，支持截图、批量图片和 PDF 识别，可排除水印与页眉页脚，还能扫描或生成二维码，内置多国语言库。
把 PDF、扫描件和图片解析成带版面结构、表格和文本的富结构化数据，适合做文档入库和 RAG 前的预处理。
把纸质文档扫描后自动 OCR、打标签并归档成可全文检索的个人文档管理系统，适合想彻底告别纸质文件柜的人。
开源的 RAG 文档问答工具，上传文档后即可用大模型对话检索，快速搭建私有知识库问答。
面向大模型微调、RAG 和评测的数据集制作工具，支持数据生成、清洗与导出，省去手工整理训练数据的麻烦。
从 PDF 学术论文中自动抽取标题、作者、参考文献等结构化元数据的机器学习工具，支持全文解析与引文提取。
GLM-OCR 是一个基于 GLM 的图片转文字 OCR 工具，主打高精度、高速度与全面覆盖，适合文档解析和 RAG 场景下的文字提取。
基于深度学习的一站式 OCR 库，把文字检测、文字识别和版面分析串成流水线，支持 PyTorch 训练与微调，适合快速搭建文档解析应用。
把 PDF、扫描件等非结构化文档通过 LLM 抽取成结构化 JSON，可直接接入 API 和 ETL 流水线，省去手工写解析规则。
纯 JavaScript 实现的 OCR 库，基于 WebAssembly 在浏览器和 Node.js 中直接识别 100 多种语言的图片文字，无需后端服务。
一站式多模态 RAG 框架，把文本、图像等不同模态的检索与生成统一到同一套流程里，省去自己拼接多个组件的麻烦。