py-idp

文档自动变结构化数据,支持私有部署

开源 🏷️基础免费,高级付费 🔧 仅开源项目,无在线服务,需自行部署 办公效率 🍴 复刻 41 👀 关注 29
GitHub ↗
GitHub 星标 ★ 298
维护状态 较活跃
是否开源 开源
定价模式 🏷️基础免费,高级付费 AGPL-3.0 开源免费,商业授权需付费

项目预览

py-idp 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类办公效率
开发团队rollroyces
定价模式🏷️基础免费,高级付费
价格说明AGPL-3.0 开源免费,商业授权需付费
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NOASSERTION
主要语言Python
技术栈/模型anthropic,deepseek,document-ai,extraction,intelligent-document-processing,invoice,llm,multimodal,ocr,openai,pdf,pydantic,qwen,rag
GitHub 星标★ 298
上线时间2026-08-31 00:00:00
代码更新2026-10-23
仓库体积1.7 MB
本站数据更新2026-11-21
维护状态较活跃
收录时间2026-10-06
浏览次数2

项目介绍

py-idp 是一个面向 Python 的智能文档处理(IDP)框架,目标是把发票、合同、表单等非结构化文档自动转成结构化数据。它同时支持 12 种以上 LLM 后端(OpenAI、Anthropic、DeepSeek、Document AI 等),用 Pydantic schema 定义输出结构,并内置自托管 OCR 模型 Nanonets-OCR2-3B,无需依赖外部云 OCR 即可跑通全流程。核心能力包括自动 schema 发现(从样本文档反推字段结构)、人工审核(HITL)环节以修正低置信度结果,以及可直接上线的 FastAPI 生产服务。相比只做单点抽取的脚本,它把 OCR、抽取、校验、审核、部署串成完整管线,适合需要私有化部署、又不想从零搭建文档 AI 流水线的团队。

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 2026-10-06 · 当前星标 ★ 298

核心亮点

  • 内置自托管 OCR 模型 Nanonets-OCR2-3B,不依赖第三方云 OCR,数据可完全留在本地
  • 支持 12+ LLM 后端并可切换,避免被单一模型厂商锁定
  • 用 Pydantic schema 约束抽取结果,输出可直接进入下游业务系统,减少后处理

不足之处

  • 项目星标仅 133,属于早期阶段,社区生态和长期维护稳定性待观察
  • AGPL-3.0 加商业授权双许可,闭源商用需额外确认授权条款

适用场景

  • 企业财务批量解析发票、收据并录入 ERP
  • 法务或运营团队从合同 PDF 中抽取关键条款与日期
  • 需要私有化部署、数据不出内网的文档数字化流程

替代项目

Unstructured、Docling、LlamaParse

上一篇:docxtemplater

下一篇:Clipy

同类项目推荐

ai-assistant-demo 开源

用自然语言指挥PDF干活,文档操作省心省力

AI Document Assistant for PSPDFKit Demo showcases how to interact with PDFs using na···

★ 69 2026-08-09
mdflux 开源

把扫描件批量变成干净 Markdown,离线省钱省 token

Turn any document into clean, AI-ready Markdown. Local-first desktop app: reads scan···

★ 589 2026-08-09
meridian 开源

自动记录你干了啥,一键生成日报和工单

Stop letting your work go unnoticed. Meridian keeps an automatic work journal of wha···

★ 412 2026-10-16
univer-workspace 开源

一个工作空间里,人和 AI 一起写文档做表格

Manage the Office content your agents create. An open-source, self-hosted workspace ···

★ 2247 2026-10-01
pdfcraft 开源

纯 Rust 写的 PDF 阅读编辑器,轻快又安全

PdfCraft: An open-source PDF reader and editor written from scratch in pure Rust

★ 21317 2026-10-17
jira-assistant 开源

浏览器里直接管 Jira,少切页面快记工时

Repository containing source code of Jira Assistant browser extension. This is also ···

★ 286 2026-10-16
m365copilot-docs 开源

微软官方文档,快速上手 Copilot 扩展开发

Documentation for Microsoft Copilot for Microsoft 365 extensibility

★ 127 2026-11-06
JadeAI 开源

上传旧简历,AI 帮你改出高匹配度新简历

AI-Powered Smart Resume Builder — 50+ professional templates, PDF/image parsing, AI···

★ 2026 2026-08-09