サイト全体を LLM 向けの Markdown や構造化データに変換するスクレイピング API。
📄 ドキュメント解析とスクレイピング
OCR、PDF から Markdown、Web スクレイピング：データを LLM に渡す
すべて 1035🧠 大規模言語モデル 26🤖 AI エージェント 155🧩 アプリ開発プラットフォーム 23📚 RAG とナレッジベース 45💬 チャット UI とクライアント 42🖥️ ローカル推論とデプロイ 86👨💻 AI コーディング 97🛠️ 開発フレームワークと SDK 48🔌 MCP とツールエコシステム 36🎨 画像生成 26🎬 動画生成 18🎙️ 音声とオーディオ 45👁️ コンピュータビジョン 26📄 ドキュメント解析とスクレイピング 25🗄️ ベクトルデータベース 26🏋️ 学習・ファインチューニングと MLOps 73🧪 評価・可観測性・安全性 78🚪 API ゲートウェイとプロキシ 12🔎 検索とディープリサーチ 15⚙️ ディープラーニング基盤ライブラリ 56🏷️ データとアノテーション 32🔬 業界・研究向け AI 32⚡ 効率化ツール 13
百度 PaddlePaddle の OCR ツールキット。100 以上の言語、PP-OCR、ドキュメント解析を一つにまとめている。
PDF などの文書を高品質に Markdown／JSON へ変換。LLM 向けコーパス作りに最適。
IBM が公開したドキュメント解析ツール。PDF や Office ファイルを構造化データに変換する。
微软出品，把 Office、PDF 等文件转为 Markdown 供 LLM 使用。
🕷️ A Web Scraping framework that handles everything from a single request to a full-scale crawl! Don't be shy, join here: https://discord.gg/EMgGbDceNQ and follow here for daily tips and tricks: https://x.com/Scrapling_
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。
A fast, helpful, and open-source document parser
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.