ExtractThinker 是一个旨在通过大型语言模型(LLMs)从各种文件和文档中提取数据的库。它提供一种面向对象关系映射(ORM)风格的方式,让用户可以灵活高效地进行文档提取和处理工作流。
要安装 ExtractThinker,可以使用 pip 进行安装:
pip install extract_thinker
下面是一个快速入门示例,展示了如何使用 Tesseract OCR 加载文档并提取合同中定义的特定字段。
import os from dotenv import load_dotenv from extract_thinker import DocumentLoaderTesseract, Extractor, Contract load_dotenv() cwd = os.getcwd() class InvoiceContract(Contract): invoice_number: str invoice_date: str tesseract_path = os.getenv("TESSERACT_PATH") test_file_path = os.path.join(cwd, "test_images", "invoice.png") extractor = Extractor() extractor.load_document_loader( DocumentLoaderTesseract(tesseract_path) ) extractor.load_llm("claude-3-haiku-20240307") result = extractor.extract(test_file_path, InvoiceContract) print("Invoice Number: ", result.invoice_number) print("Invoice Date: ", result.invoice_date)
您还可以使用 ExtractThinker 分割和处理文档。以下是相关的实施方法:
import os from dotenv import load_dotenv from extract_thinker import DocumentLoaderTesseract, Extractor, Process, Classification, ImageSplitter load_dotenv() class DriverLicense(Contract): # Define your DriverLicense contract fields here pass class InvoiceContract(Contract): invoice_number: str invoice_date: str extractor = Extractor() extractor.load_document_loader(DocumentLoaderTesseract(os.getenv("TESSERACT_PATH"))) extractor.load_llm("gpt-3.5-turbo") classifications = [ Classification(name="Driver License", description="This is a driver license", contract=DriverLicense, extractor=extractor), Classification(name="Invoice", description="This is an invoice", contract=InvoiceContract, extractor=extractor) ] process = Process() process.load_document_loader(DocumentLoaderTesseract(os.getenv("TESSERACT_PATH"))) process.load_splitter(ImageSplitter()) path = "..." split_content = process.load_file(path)\ .split(classifications)\ .extract() # Process the split_content as needed
ExtractThinker 项目受到 LangChain 生态系统的启发,采用了模块化的基础设施,包含模板、组件和核心功能,以便于实现强大的文档提取和处理。
虽然 LangChain 是一个针对多种用例的通用框架,但 ExtractThinker 专注于智能文档处理(IDP)。虽然在 IDP 中达到 100% 的准确率仍是一个挑战,但借助 LLMs 的强 大功能,我们离这个目标更近了一步。
我们欢迎社区的贡献!如果您想参与,请遵循以下步骤:将仓库分叉,创建新分支,编写并运行测试,确保一切正常后提交拉取请求。
项目的更多示例和详细信息可在项目仓库以及作者的 Medium 帐号上找到。
该项目根据 Apache 2.0 许可证授权。有关的详细信息,请查阅 LICENSE 文件。若有任何问题或建议,请在 GitHub 仓库中打开一个问题讨论。
AI小说写作助手,一站式润 色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一 个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号