Unstructured
开源文档预处理和提取工具，支持自托管部署，可将非结构化文档转换为结构化数据
时间轴 (近 90 天)
Unstructured 是有意不做字段级结构化提取的预处理平台，将文档转换为元素数组供 LLM 管道使用，拥有40+个连接器，商业平台持有 SOC 2 Type II、ISO 27001 和 HIPAA 认证以及 FedRAMP High 授权
Unstructured 处理文档准备与解析，摄入原始文件、PDF、Office 文档、图像和扫描件，将其分割为元素，然后进行分块、可选增强、生成嵌入，并输出到目标位置。
Unstructured 支持 Databricks Delta Tables（含 Volumes）作为输出目标，产出可直接喂给 Mosaic AI Vector Search 的 Delta Sync 索引。
Unstructured 提供三种处理策略：快速纯文本模式、结合文档理解与 OCR 的 High Res 模式、使用视觉语言模型处理手写和复杂扫描的 VLM 模式。
全部知识事实 (4)
Unstructured 是有意不做字段级结构化提取的预处理平台，将文档转换为元素数组供 LLM 管道使用，拥有40+个连接器，商业平台持有 SOC 2 Type II、ISO 27001 和 HIPAA 认证以及 FedRAMP High 授权
50%待验证Unstructured 处理文档准备与解析，摄入原始文件、PDF、Office 文档、图像和扫描件，将其分割为元素，然后进行分块、可选增强、生成嵌入，并输出到目标位置。
50%待验证Unstructured 支持 Databricks Delta Tables（含 Volumes）作为输出目标，产出可直接喂给 Mosaic AI Vector Search 的 Delta Sync 索引。
50%待验证Unstructured 提供三种处理策略：快速纯文本模式、结合文档理解与 OCR 的 High Res 模式、使用视觉语言模型处理手写和复杂扫描的 VLM 模式。
50%