NeMo-Retriever

把PDF里的表格图表图片都抽成大模型能用的数据

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 搜索知识 🍴 复刻 364 🐛 待处理 279 👀 关注 29
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 3014
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源库,免费使用,需自部署

项目预览

NeMo-Retriever 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队NVIDIA
定价模式🏷️完全免费
价格说明开源库,免费使用,需自部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
GitHub 星标★ 3014
上线时间2024-08-22 00:00:00
代码更新2026-11-20
仓库体积56.9 MB
本站数据更新2026-11-21
维护状态活跃
收录时间2026-10-07
浏览次数3

项目介绍

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。

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

数据来源:GitHub API 逐日快照 · 收录于 2026-10-07 · 当前星标 ★ 3014

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. 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. 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. 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. 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

上一篇:ai-resources

下一篇:awesome-ai-tools

同类项目推荐

hamuleite 开源

一键获取顶尖高校学术论文与课程资料,高效学习研究。

深度整合全球顶尖学术、金融与教育资源:学术板块汇聚 JSTOR、Taylor & Francis、剑桥大学···

★ 10127 2026-08-09
awesome-ai-tools 开源

一张清单,快速找到靠谱AI工具,省去全网搜索时间

A curated list of Artificial Intelligence Top Tools

★ 6608 2026-08-09
InstructRAG 开源

让 RAG 自己学会怎么检索,回答更准更靠谱

[ICLR 2025] InstructRAG: Instructing Retrieval-Augmented Generation via Self-Synthes···

★ 153 2026-08-09
DocuBrowser 开源

把电脑里的文档变成能对话搜索的本地知识库

A local AI powered Document search engine. That turns that pile of documents on your···

★ 558 2026-11-21
example-rag-app 开源

一键启动带监控的 RAG 应用,支持百家模型

Open-Source RAG app with LLM Observability (Langfuse), support for 100+ providers (L···

★ 165 2026-08-09
mcp-searxng 开源

让 AI 助手用你自己的 SearXNG 搜网页,隐私可控

Private web search for AI assistants via SearXNG — supports Claude, Cursor, and any···

★ 1379 2026-10-11
CV_Paper_Portal 开源

一个入口搜遍 CV 顶会论文,告别逐个官网翻找

Paper Portal for Top Conferences in the Field of Computer Vision and Artificial inte···

★ 422 2026-09-18
rags 开源

用大白话跟数据聊天,自动出结果

Build ChatGPT over your data, all with natural language

★ 6546 2026-08-09
awesome-OpenPrice 开源

查遍全网AI订阅价,一眼挑出最划算渠道

开源的 AI 订阅价格聚合与比价平台,收录 ChatGPT、Claude、Gemini、Grok、Cursor 等产品的···

★ 1136 2026-08-09