ExtractThinker 是一个灵活的文档智能工具，利用大型语言模型（LLMs）从文档中提取和分类结构化数据，类似于 ORM（对象关系映射），实现无缝的文档处理工作流程。主要功能如下所示：
-
灵活的文档加载器：支持多种文档加载器，包括 Tesseract OCR、Azure 表单识别器、AWS Textract、Google Document AI 等。 -
可定制的合约：使用 Pydantic 模型定义自定义提取合约，实现精确的数据提取。 -
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：利用异步处理高效处理大型文档。 -
多格式支持：无缝处理各种文档格式，如 PDF、图像、电子表格等。 -
类似 ORM 的交互：以类似 ORM 的方式与文档和 LLMs 交互，便于直观开发。 -
拆分策略：实施懒拆分或急拆分策略，按页或整体处理文档。 -
与 LLMs 的集成：轻松集成不同的 LLM 提供商，如 OpenAI、Anthropic、Cohere 等。 -
社区驱动开发：受到 LangChain 生态系统的启发，专注于智能文档处理。
参考文献：
[1] https://enoch3712.github.io/ExtractThinker/getting-started/
[2] https://github.com/enoch3712/ExtractThinker
（文：NLP工程化）