像操作数据库一样，用 LLM 轻松提取文档数据
ExtractThinker 是一个面向大语言模型的文档智能处理库，采用 ORM 风格的设计，让开发者能以类似数据库操作的方式灵活编排文档工作流。它解决了从复杂文档（如合同、发票、表格）中高效提取结构化数据的难题，通过声明式定义提取模式，自动处理文档分割、多模型调度、异步任务和结果校验。核心能力包括：支持多种后端（如 Tesseract、Azure AI Document Intelligence）、可插拔的 LLM 适配器、基于 Pydantic 的强类型输出、以及内置的文档生命周期管理。项目旨在降低构建文档 AI 应用的门槛，让开发者专注于业务逻辑而非底层集成细节。
1确认 Python 环境
先确认本机已安装 Python 与 pip，并能正常联网。README 未指定 Python 最低版本，若版本过旧建议升级后再安装。
python --version2安装 ExtractThinker
使用 pip 从 PyPI 安装官方包名 extract_thinker。README 只给出这一条安装命令，建议在虚拟环境中执行。
pip install extract_thinker3准备 LLM 凭证
按所选提供商准备 API Key，供适配器调用。README 未给出具体环境变量名，需参考官网文档自行配置。
4准备文档加载后端
根据需要选择 Tesseract OCR、Azure Form Recognizer、AWS Textract 或 Google Document AI。这些后端的安装与授权 README 未展开，需另行准备。
README 未提供启动验证方式；可执行 pip show extract_thinker，若显示包名、版本等信息即表示安装成功。
Q：安装时报找不到包怎么办？
A：确认包名拼写为 extract_thinker，并检查网络与 pip 源是否可用；必要时升级 pip 后重试。
Q：支持哪些 LLM 提供商？
A：README 提到可集成 OpenAI、Anthropic、Cohere 等提供商，通过可插拔的 LLM 适配器接入，具体用法见官网文档。
Q：支持哪些文档格式和加载器？
A：支持 PDF、图片、表格等多格式，加载器包括 Tesseract OCR、Azure Form Recognizer、AWS Textract、Google Document AI 等。
Q：如何定义要提取的字段？
A：用 Pydantic 模型定义自定义提取契约（Contract），即可获得强类型的结构化输出。
LangChain、LlamaIndex、Unstructured
ExtractThinker 是开发框架领域的开源项目，由 enoch3712 开发，2024 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（1,598）位列前 30%，在开发框架分类中处于中上游。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。开源库，Apache-2.0 许可，完全免费，无付费版本。
它主要面向的使用场景是：自动化处理合同、发票中的关键字段提取。同类可对比的替代方案包括 LangChain、LlamaIndex、Unstructured。
上一篇：functionary
下一篇：PromptHub
ComfyUI_Custom_Nodes_AlekPet
开源
给 ComfyUI 装上语音翻译和姿态检测，工作流更全能
Custom nodes that extend the capabilities of Comfyui
langchain
开源
组装 AI 应用的乐高积木，从想法到上线不换工具
The agent engineering platform.
transformers
开源
全球最大的模型仓库全家桶，想用的模型一把抓
Transformers: the model-definition framework for state-of-the-art machine learning m···
pi
开源
一套 TypeScript 工具包，快速搭出能写代码的 AI agent
AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI