このプロジェクトについて

Unstractは、大規模言語モデル（LLM）を使用して、非構造化ドキュメント（PDF、画像、スキャン、スプレッドシート、プレゼンテーション）を構造化JSONデータに変換するために設計されたオープンソースプラットフォームです。ユーザーは自然言語プロンプトで抽出スキーマを定義し、その抽出をREST APIまたはETLパイプラインとしてデプロイできます。主な機能には、スキーマ定義のためのPrompt Studio、APIデプロイ、ETLパイプライン統合、AIエージェント向けのMCPサーバー、自動化ワークフロー向けのn8nノードが含まれます。複数のLLMプロバイダー（OpenAI、Anthropic、Bedrock、Gemini、Ollamaなど）、ベクトルデータベース（Qdrant、Pinecone、Weaviateなど）、テキスト抽出ツール（LLMWhisperer、Unstructured.io、LlamaIndex Parse）をサポートしています。このプラットフォームは、簡単なスクリプトでDocker Composeを介してローカルで実行でき、デュアルLLM検証、ヒューマン・イン・ザ・ループレビュー、SSO、コンプライアンス認証などの追加機能を備えたクラウド/エンタープライズオプションも提供しています。Reactフロントエンド、Djangoバックエンド、Celeryワーカー、FastAPIプラットフォームサービスで構築され、PostgreSQL、Redis、RabbitMQを使用しています。このプロジェクトはAGPL-3.0の下でライセンスされており、コントリビューションを歓迎しています。