Use case
「文書のデータ化」に使えるOSS（6件）
- 文書処理★ 81,917opendatalab/MinerUMinerU
PDFやOffice文書を、表や数式を崩さずにMarkdown・JSONへ変換する文書抽出ツール
- 文書のデータ化
- RAG・ナレッジ検索
事例中国の技術ブログで、上場企業の年次報告書PDFをRAG用に解析（ほか1件）導入 ●●●○○ ふつうMinerU Open Source License - 文書処理★ 38,965google/langextractLangExtract
非構造テキストから、根拠位置つきで構造化情報を抜き出すGoogle製ライブラリ
- 文書のデータ化
- RAG・ナレッジ検索
事例事例未収集導入 ●●●●○ 手軽Apache-2.0 - 開発支援・AIコーディング★ 35,133virgiliojr94/book-to-skillbook-to-skill
技術書や資料フォルダを、エージェントが必要な章だけ読むスキルへ蒸留する
- 文書のデータ化
- AIコーディング
事例事例未収集導入 ●●●●○ 手軽MIT - 文書処理★ 29,730opendataloader-project/opendataloader-pdfOpenDataLoader PDF
PDFをMarkdown／JSON／HTMLに変え、アクセシビリティ用のタグ付けもできるパーサ
- 文書のデータ化
- RAG・ナレッジ検索
事例事例未収集導入 ●●●●○ 手軽Apache-2.0 - 文書処理★ 22,909firecrawl/anydocanydoc
Word／Excel／PDFなどを、ミリ秒単位でMarkdownにそろえるRust製変換ライブラリ
- 文書のデータ化
- RAG・ナレッジ検索
事例事例未収集導入 ●●●●● とても手軽MIT - 文書処理★ 19,751allenai/olmocrolmOCR
PDFや画像文書を、読み順を保ったきれいなテキストへ落とすAllen AIのOCRツールキット
- 文書のデータ化
- RAG・ナレッジ検索
事例事例未収集導入 ●●○○○ やや手間Apache-2.0