Repomix

PaddleOCR

★ 90,598

飞桨开源 OCR 与文档解析工具包，可将 PDF/图片转为 LLM 可用的 Markdown/JSON，支持 100+ 语言。

LlamaIndex

开源 RAG 与 Agent 应用开发框架，含 300+ 集成，配套 LlamaParse 文档解析平台。

Firecrawl

开源网页数据 API，把任意网站抓取为 LLM 可用的 Markdown、JSON 或截图，支持搜索与页面交互。

Docling

★ 68,374

开源文档解析工具，把 PDF、DOCX、PPTX 等转成 Markdown/JSON，为生成式 AI 准备数据

MinerU

★ 81,084

开源文档解析工具，把 PDF、Office 等复杂文档转成 LLM 可用的 Markdown/JSON。

LlamaIndex

面向 LLM 应用的数据框架，提供 LlamaParse 智能 OCR 与文档解析、索引和 RAG 工作流。