Unstract

活跃

GitHub Python AGPL-3.0

简介

Unstract 是一个由 LLM 驱动的非结构化数据提取平台，专为 API 部署和 ETL 管道工作流而设计。支持从文档、PDF、图片等非结构化数据源中智能提取结构化信息，构建自动化数据处理管道。

核心特性

Prompt Studio 通过自然语言定义文档提取模式
支持 REST API 部署和 ETL 管道工作流
MCP Server 集成，连接 Claude 等 AI Agent
兼容 OpenAI、Anthropic、Bedrock、Ollama 等多种 LLM
支持 PDF、图片、扫描件等多种文档格式
n8n 节点集成，嵌入现有自动化工作流

适用场景

💡 从非结构化文档中提取结构化数据用于数据库存储

💡 自动化金融和保险行业的文档处理流程

💡 构建 KYC/合规场景的智能信息提取系统

💡 将非结构化 PDF 报告转换为可分析的 JSON 数据

优势与不足

✅ 优势

• 活跃维护，近期持续更新
• 社区热度高（7.2k stars）
• 项目有一定历史沉淀（已维护 2 年）

⚠️ 不足

• 许可证限制较多（AGPL-3.0）

分类

📚 RAG 工具 🔄 工作流

快速开始

1. 克隆仓库并进入项目目录
2. 运行 `./run-platform.sh` 一键启动
3. 访问 `http://frontend.unstract.localhost`
4. 使用 `unstract` / `unstract` 登录
5. 在 Prompt Studio 中定义提取模式并开始提取数据

访问 GitHub

相关项目

Instill Core

2.3k · Python

不活跃 C

Instill Core 是一个全栈 AI 基础设施平台，提供数据管理、模型编排和管道自动化。通过可视化管道编辑器，开发者可以快速构建从数据摄取、模型推理到结果输出的端到端 AI 工作流。

workflowpythonautomation +3

· 端到端 AI 平台，支持数据、管道和模型编排
· 可视化管道编辑器，构建多功能 AI 优先 API 和自动化工作流
· 非结构化数据处理，将文档、图像、音频和视频转换为 AI 就绪格式

在 GitHub 查看

DocETL

4.1k · Python

活跃 A+

DocETL 是一个由 LLM 驱动的智能数据处理和 ETL 系统，采用 Agent 架构实现复杂数据转换。支持自然语言定义数据处理管道，将非结构化数据转化为可分析的结构化输出。

data-processingragpython +3

· LLM 驱动的数据处理管道引擎，提供 map、reduce、resolve、gleaning 和 filter 等操作符用于复杂文档转换
· DocWrangler 交互式 UI 沙盒，用于迭代式 Prompt 工程——实时实验 Prompt 并查看结果
· Python 包，支持从命令行或 Python 代码运行生产管道，提供完整的编程控制

在 GitHub 查看

OpenLLM

12.5k · Python

活跃 A+

OpenLLM 是一个开源 LLM 部署平台，可将 DeepSeek、Llama 等任意开源模型以 OpenAI 兼容的 API 端点形式部署到云端。支持模型微调、量化和分布式推理，简化生产环境中的大模型运维。

llmpythonapi +3

· 任意开源LLM支持：运行DeepSeek、Llama、Qwen等任意开源模型
· OpenAI兼容API：提供与OpenAI API兼容的端点，无缝集成现有应用
· 内置聊天UI：提供开箱即用的聊天界面

查看完整详情 → 在 GitHub 查看

Haystack

26.4k · Python

活跃 A+

Haystack 是企业级 RAG 与搜索应用框架，支持文档处理、检索、生成与评估全链路。

ragretrievalllm +1

· 模块化管道架构 — 通过有向无环图组合检索、路由、记忆和生成组件，支持条件分支与循环
· 模型与供应商无关 — 无缝切换 OpenAI、Anthropic、Cohere、Hugging Face、AWS Bedrock 等，无需重写系统
· 上下文工程控制 — 显式控制信息检索、排序、过滤、组合和路由，确保上下文质量和可追溯性

查看完整详情 → 在 GitHub 查看

Unstract

简介

核心特性

适用场景

优势与不足

✅ 优势

⚠️ 不足

标签

分类

快速开始

相关项目

Instill Core

DocETL

OpenLLM

Haystack