项目预览
项目数据
项目介绍
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 2026-08-09 · 当前星标 ★ 300
核心亮点
- 基于SLM智能识别内容，比传统规则过滤更适应复杂页面
- 输出标准HTML，直接对接RAG和训练数据流程
- 轻量级设计，适合嵌入现有爬虫或数据处理管道
不足之处
- 文档/社区待观察
- 早期项目，API可能不稳定，需关注版本迭代
适用场景
- 深度研究代理的数据采集预处理
- RAG系统的文档清洗与索引构建
- 大规模训练数据集的网页正文提取
替代项目
trafilatura、readability-lxml、boilerpy3
同类项目推荐
beever-atlas
开源
把 Wiki 变成能聊天的知识库，问一句就出答案
Your First LLM-Wiki Conversation Knowledge Base
reader
开源
给 URL 加个前缀，网页秒变 LLM 能读的 Markdown
Convert any URL to an LLM-friendly input with a simple prefix https://r.jina.ai/
talk2arxiv
开源
上传论文，直接和 ChatGPT 聊内容，快速吃透要点
Talk to any ArXiv paper using ChatGPT
infino
开源
在应用内嵌 Parquet 检索，全文+向量混合搜索开箱即用
Embedded retrieval library built on Parquet. Fast, efficient, and scalable.
Gaussian_Clef_RAG
开源
把知识块建成高斯分布，用信息几何做毫秒级概率检索
Probabilistic retrieval-augmented generation on statistical manifolds with sub-100ms···
bgts-context-engine
开源
不靠大模型，用代码图给 AI 编程助手喂稳定上下文
Deterministic code-graph context engine for AI coding agents - PostgreSQL + Apache A···
MemGallery
开源
把语音、图片、笔记和链接收进一个本地 AI 记忆库，随时搜得到
MemGallery: A smart memory bank to store all your memories from audio, images, text,···
coco-server
开源
一个服务搞定企业所有文件搜索，AI 直接给你答案
Coco AI Server - Search, Connect, Collaborate, AI-powered Enterprise Search, all in ···
Vane
开源
输入问题，直接获取带引用的精准答案。
Vane is an AI-powered answering engine.