LangExtract

github.com

Google 开源的 Python 库，用 LLM 从非结构化文本中抽取结构化信息，支持精确溯源与可视化。

开源可自部署Gemini本地模型LinuxMac

被推荐 1 次

访问网站 ↗

适合做什么

适合开发者、数据分析与研究人员从长文档、临床记录、报告中批量抽取结构化字段并核对原文。

标签与属性

价格

特性

支持模型

平台

同类推荐

文档解析 / 转 Markdown

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。

开源可自部署多模态中文界面有 API

github.com1 处推荐

RAG 框架

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。

开源有 API可自部署LinuxMac

github.com1 处推荐

官方 API 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。

开源有 API可自部署支持 MCP网页

github.com1 处推荐

文档解析 / 转 Markdown

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

开源可自部署LinuxMacWindows

github.com1 处推荐

文档解析 / 转 Markdown

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。

可自部署LinuxMacWindows命令行

github.com1 处推荐

RAG 框架

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。

免费+付费有 API多模态网页

llamaindex.ai2 处推荐