LLM流水线的非结构化文档ETL

分享海报

@user_3c6cb52e/unstructured-document-etl-for-llm-pipelines

Unstructured 是一个开源文档处理库，可将 PDF、HTML、Office 文件、电子邮件和其他格式转换为结构化数据，以供下游 AI 工作流使用。它是提取、分块和预处理在嵌入、搜索或代理使用之前的一个实用入口层。