NeMo-Retriever

把PDF里的表格图表图片都抽成大模型能用的数据

NeMo-Retriever 是英伟达开源的可扩展文档内容与元数据抽取微服务库，面向 RAG 和生成式应用的数据准备环节。它解决的核心问题是：企业文档（PDF、扫描件、图表混排）中大量非结构化信息难以被大模型直接利用，传统解析工具对表格、图表、图片和版面语义的处理能力有限。该项目通过调用 NVIDIA NIM 专用微服务，完成文档的查找、上下文关联与多模态抽取，输出可被下游生成式应用消费的文本、表格、图表和图像内容，并附带元数据。整体偏向高性能、可水平扩展的生产级部署，适合需要批量处理海量文档并接入向量库或检索管线的团队。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2985

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类搜索知识

开发团队NVIDIA

所属国家

官网地址https://nvidia.github.io/NeMo-Retriever

GitHubhttps://github.com/NVIDIA/NeMo-Retriever

定价模式free

价格说明开源库，免费使用，需自部署

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型

GitHub 星标★ 2985

30天Star增速

HF 下载量

上线时间2024-08-22 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-07

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：高级约 30 分钟部署方式：库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 运行环境（项目为 Python 库，README 未给出具体版本要求）
可访问的 NVIDIA NIM 微服务或所支持的模型（抽取流程依赖）
如需集群化部署，需具备 Helm / Kubernetes 环境（README 提到 Helm chart）
可访问 GitHub 与 NVIDIA 官方文档站点

安装与启动步骤

1确认使用分支

README 说明默认 main 为活跃开发分支，可能领先于发布版；生产请用 26.08 分支（GA PyPI 与 Helm chart 版本 26.8.1），上一稳定线为 26.03。
2获取项目代码

从 GitHub 克隆仓库。若用于生产，克隆后切换到 26.08 分支，避免使用开发中的 main 分支。
```
git clone https://github.com/NVIDIA/NeMo-Retriever.git
```
3阅读官方文档

README 未给出具体安装步骤，需按官方文档中的抽取（extraction）说明完成安装与配置后再运行。
4准备 NIM 或模型

抽取流程依赖 NVIDIA NIM 微服务或 README 所述的其他受支持模型，需先将其部署并可被调用后再接入。

如何确认成功

README 未提供启动验证方式，请按官方文档 https://docs.nvidia.com/nemo/retriever/latest/extraction/overview/ 的步骤确认。

常见问题

Q：应该使用哪个分支？

A：默认 main 跟踪活跃开发，可能领先于发布版。生产环境请使用 26.08 分支（GA PyPI 与 Helm chart 版本 26.8.1），上一稳定线为 26.03。

Q：抽取能力依赖什么？

A：README 说明同时支持 NVIDIA NIM 微服务和多种模型，用于查找、上下文化并抽取文本、表格、图表和信息图。

Q：能并行处理文档吗？

A：可以。README 指出可将文档拆分到页级并行分类与抽取文本、表格、图表等，再经 OCR 上下文化并输出为 JSON schema。

Q：NeMo Retriever 和 NVIDIA Ingest 是同一个东西吗？

A：是。README 注明 NeMo Retriever extraction 在部分 NVIDIA 产品资料中也被称为 NVIDIA Ingest。

注意事项

默认分支 main 为活跃开发分支，可能领先于最新支持版本，生产环境应改用 26.08 分支。
README 节选未包含具体安装与运行命令，请以 NVIDIA 官方文档为准，不要凭猜测执行 pip 或 helm 命令。
README 提到项目通过 PyPI 包与 Helm chart 发布，具体版本号以官方文档和发布页为准。

核心亮点

支持表格、图表、图片等多模态内容抽取，不止纯文本解析
基于 NVIDIA NIM 微服务架构，可水平扩展，适合批量文档处理
输出带元数据，便于接入 RAG 检索和下游生成式应用

不足之处

强依赖 NVIDIA NIM 微服务与相关生态，非 NVIDIA 环境部署成本较高
项目相对较新，社区案例和第三方集成文档仍在积累中

适用场景

企业海量 PDF 合同、财报的批量解析与入库
构建 RAG 知识库时对含表格图表文档的高质量抽取
金融、医疗等需要保留版面语义和元数据的文档处理管线

替代项目

Unstructured、Docling

项目介绍

NeMo-Retriever 是搜索知识领域的开源项目，由 NVIDIA 开发，2024 年首次发布。

在全站 13,821 个收录项目中，它的 GitHub 星标数（2,985）位列前 30%，在搜索知识分类的 644 个项目里位列前 14%。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-06。开源库，免费使用，需自部署。

它主要面向的使用场景是：企业海量PDF合同、财报的批量解析与入库。同类可对比的替代方案包括 Unstructured、Docling。

上一篇：ai-resources

下一篇：awesome-ai-tools