Documind

概览

Documind 是一款文档处理工具，利用 AI 从 PDF 中提取结构化数据。它用于处理 PDF 转换、提取相关信息，并按可自定义的 schema 指定的格式输出结果。项目提供的功能包括从非结构化文档中提取结构化 JSON 输出、将文档转换为 Markdown 格式，以及支持自定义 schema 进行数据提取。 Documind 内置常见 schema 的预定义模板，可配合 OpenAI 以及 Llava、Llama3.2-vision 等自定义 LLM 方案使用。它还能根据文档内容自动生成 schema。项目提供全托管 API 的托管版本，用户可以加入 beta 以使用托管服务。 已发布的功能包括 PDF 提取、基础 schema 定义、结构化 JSON 输出、模板 schema、与 Llama3.2 的本地 LLM 集成、自动生成 schema、文本和 Markdown 的文档格式化器、对 DOCX、PNG、JPG、TXT 和 HTML 的多文件支持，以及 Boolean 和 Enum 等额外的 schema 字段类型。列出的即将推出功能有更多模型、图像提取、高级文档格式化器、数据分类和使用微调模型。 Documind 需要 Ghostscript 和 GraphicsMagick 进行 PDF 和图像处理，另需 Node.js v18+ 和 NPM。可通过 npm 安装，需要包含 OpenAI API 密钥的 .env 文件，采用 AGPL v3.0 许可证。该仓库基于 Zerox 构建。