评分 6.6 · 来源：GitHub Trending · 发布于 2026-03-19
评分依据：单日 1394 star 的爆款工具，benchmark 综合得分 0.90，三端 SDK，直接可用于 RAG pipeline
要点
opendataloader-pdf 是一个专为 AI 数据提取设计的 PDF 解析器，在 200 个真实 PDF（含多栏和学术论文）的 benchmark 上综合得分 0.90、表格准确率 0.93。支持确定性本地模式和 AI 混合模式（内置 OCR，80+ 语言），可处理复杂/无边框表格、LaTeX 公式和图表描述。输出格式覆盖 Markdown（适合 RAG chunking）、带边界框的 JSON（适合溯源）和 HTML。提供 Python、Node.js、Java 三端 SDK，集成 LangChain。
🤖 AI 点评
PDF 解析是 RAG pipeline 中最让人头疼的环节之一，现有工具要么格式保留差、要么价格贵、要么不支持复杂布局。opendataloader-pdf 的卖点很明确：高准确率 + 三端 SDK + 免费本地模式。不过单日 1394 star 的爆发速度也让人好奇背后是否有推手。对于正在搭建文档处理 pipeline 的团队，值得纳入评估清单，但建议先用自家 PDF 数据集验证 benchmark 数据。