把整个网站转为适合 LLM 的 Markdown 或结构化数据的抓取 API。
📄 文档解析与抓取
OCR、PDF 转 Markdown、网页抓取：把数据喂给大模型
全部 1034🧠 大语言模型 24🤖 AI 智能体 160🧩 应用开发平台 23📚 RAG 与知识库 47💬 聊天界面与客户端 42🖥️ 本地推理与部署 87👨💻 AI 编程 96🛠️ 开发框架与 SDK 47🔌 MCP 与工具生态 35🎨 图像生成 24🎬 视频生成 18🎙️ 语音与音频 44👁️ 计算机视觉 27📄 文档解析与抓取 23🗄️ 向量数据库 25🏋️ 训练微调与 MLOps 73🧪 评测·观测·安全 78🚪 API 网关与代理 12🔎 搜索与深度研究 14⚙️ 深度学习基础库 55🏷️ 数据与标注 30🔬 行业与科研 AI 34⚡ 效率工具 16
百度飞桨的 OCR 工具库，百余种语言、PP-OCR 与文档解析一体。
把 PDF 等文档高质量转换为 Markdown / JSON，面向大模型语料。
IBM 开源的文档解析工具，PDF / Office 转结构化数据。
微软出品，把 Office、PDF 等文件转为 Markdown 供 LLM 使用。
为 LLM 设计的开源网页爬虫与抓取工具。
历史最悠久的开源 OCR 引擎。
快速准确地把 PDF 转为 Markdown 与 JSON。
Lightpanda: the headless browser designed for AI and automation
用大模型和图逻辑驱动的 Python 网页抓取库。
开箱即用的 80+ 语言 OCR 库。
PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.
DeepSeek 探索视觉压缩上下文的 OCR 模型。
AI2 的 PDF 线性化工具包，用视觉语言模型解析文档。
Fast Rust library for PDF inspection, classification, and text extraction. Intelligently detects scanned vs text-based PDFs to enable smart routing decisions.
文档预处理库，为 LLM 提取并整理非结构化数据。
把任意 URL 转成 LLM 友好的输入，在前面加上 r.jina.ai 即可。
基于深度学习的文档文字识别库。
An automated document analyzer for Paperless-ngx using OpenAI API, Ollama, Deepseek-r1, Azure and all OpenAI API compatible Services to automatically analyze and tag your documents.
The go-to web for your AI coding agent — local-first search, fetch, crawl & research over MCP. No API keys, no cloud, $0/query. Public beta.
A system for agentic LLM-powered data processing and ETL
Open-source inference server and production cluster for all the models your agent needs.
모두 파싱해버리겠다 — HWP·HWPX·PDF·Office 문서를 Markdown으로. 양식 자동 채우기와 신구대조를 갖춘 CLI·MCP 서버 | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff