ExtractThinker：一款灵活的开源文档智能工具，利用大语言模型 ( LLMs ) 从文档中提取结构化数据。
ExtractThinker 是一款灵活的文档智能工具，它利用大型语言模型 ( LLMs ) 从文档中提取结构化数据并进行分类，其功能类似于 ORM，可实现无缝文档处理工作流程。
该工具支持PDF、图片、表格等多种格式，可以自定义提取规则、自动分类、自动判断文件类型，并根据不同的类型提取不同的信息。支持异步处理大文档，批量处理多个文档。
关键特性
- 灵活的文档加载器：支持多种文档加载方式，包括Tesseract OCR、Azure表单识别器、AWS Textract、Google文档AI等。
- 可定制的提取：使用Pydantic模型定义自定义提取，以实现精确的数据抽取。
- 高级分类：使用自定义分类和策略对文档或文档部分进行分类。
- 异步处理：利用异步处理高效管理大型文档。
- 多格式支持：无缝处理各种文档格式，如PDF、图像、电子表格等。
- ORM风格交互：以类似ORM的方式与文档和语言模型（LLM）交互，以便直观开发。
- 分割策略：实施惰性或急切的分割策略，以逐页或整体处理文档。
- 与LLM集成：轻松集成不同的语言模型提供商，如OpenAI、Anthropic、Cohere等。
- 社区驱动开发：受LangChain生态系统启发，专注于智能文档处理。
