unstract

把杂乱 PDF 变成干净 JSON，一键接入你的数据管道。

unstract 是一个基于大语言模型（LLM）的智能数据提取平台，专门用于从非结构化文档（如 PDF、图片、扫描件）中自动抽取结构化数据，并以 JSON 格式输出。它旨在解决企业数据管道中手工处理文档的低效问题，提供了一套完整的工具链，包括文档解析、OCR 识别、LLM 提示词编排、数据验证和输出格式化。其核心能力包括：支持多种文档格式、可定制的提取规则、内置 MCP 服务器以便与外部系统集成，以及专为 API 部署和 ETL 工作流设计的轻量级架构。项目强调生产级可用性，提供 REST API 和 Python SDK，方便开发者快速集成到现有数据管线中。通过将 LLM 的语义理解能力与 OCR 的字符识别能力结合，unstract 能够处理复杂版式文档，并显著降低人工数据录入成本。

开源 freemium 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 7253

维护状态活跃

是否开源是

定价模式 freemium

项目数据

分类智能体

开发团队Zipstack

所属国家

官网地址https://unstract.com

GitHubhttps://github.com/Zipstack/unstract

定价模式freemium

价格说明提供免费额度，高级功能需付费，具体价格见官网。

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型ai-agents,data-engineering,document-ai,generative-ai,idp,json-extraction,llm,mcp-server,ocr,pdf-extraction,prompt-engineering,structured-output

GitHub 星标★ 7253

30天Star增速

HF 下载量

上线时间2024-02-21 00:00:00

最近更新2026-09-22 00:00:00

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2026-08-09

浏览次数1

使用教程

难度：入门约 10 分钟部署方式：Docker 8 步

环境要求

已安装 Docker 与 Docker Compose（脚本通过容器拉起整个平台）
已在本地获取 unstract 仓库代码（脚本需在项目根目录执行）
网络可访问 Docker Hub 的 unstract 镜像仓库
需要 LLM 等外部服务时，按官方文档在环境文件中补充对应密钥

安装与启动步骤

1克隆项目代码

把官方仓库下载到本地，后续所有脚本都在该目录内执行。
```
git clone https://github.com/Zipstack/unstract.git
```
2进入项目目录

切换到项目根目录，run-platform.sh 等脚本必须在此目录运行。
```
cd unstract
```
3一键启动平台

用默认环境配置拉取并运行整个 Unstract 平台，首次执行会生成环境文件。
```
./run-platform.sh
```
4指定版本启动

用 -v 指定镜像版本标签，例如 v0.1.0 或 current，便于固定环境。
```
./run-platform.sh -v v0.1.0
```
5后台运行容器

加上 -d 让容器在后台 detached 模式运行，不占用当前终端。
```
./run-platform.sh -d -v v0.1.0
```
6升级已有部署

用 -u 拉取最新版本升级；也可配合 -v 升级到指定版本。
```
./run-platform.sh -u
```
7仅初始化环境文件

只想先生成环境配置文件、不启动容器时使用，便于提前修改配置。
```
./run-platform.sh -e
```
8本地开发准备

安装 pre-commit 钩子，随后可用 -r 运行 pre-commit 检查。
```
./dev-env-cli.sh -p
./dev-env-cli.sh -r
```

如何确认成功

脚本执行无报错且容器启动完成即视为成功，访问入口与初始账号请以官方文档为准。

常见问题

Q：运行 ./run-platform.sh 报错怎么办？

A：确认已安装并启动 Docker、当前位于项目根目录，且账号有执行脚本的权限；仍失败请参考官方文档的 Run Platform 指南。

Q：如何拉取或构建指定版本？

A：拉取指定版本用 ./run-platform.sh -v v0.1.0；本地构建镜像用 ./run-platform.sh -b -v v0.1.0。

Q：如何升级已经部署好的平台？

A：执行 ./run-platform.sh -u 升到最新版本，或 ./run-platform.sh -u -v v0.2.0 升级到指定版本。

Q：只想配置环境不启动容器怎么做？

A：执行 ./run-platform.sh -e，脚本只做环境文件初始化，之后再运行 ./run-platform.sh 启动。

Q：开发时如何运行代码检查？

A：先用 ./dev-env-cli.sh -p 安装 pre-commit 钩子，再用 ./dev-env-cli.sh -r 执行检查。

注意事项

所有命令都需在克隆后的 unstract 项目根目录内执行。
-v 后接版本标签（如 v0.1.0、v0.2.0、current），-b 表示本地构建镜像，-p 仅拉取镜像，-u 为升级。
README 的 Run Locally 一节内容为空，源码本地运行方式请查阅官方文档 docs.unstract.com 的 Local Development Guide。

核心亮点

内置 OCR 和 LLM 双引擎，能处理扫描件和复杂版式，提取准确率更高
提供 MCP 服务器，可无缝接入现有 AI Agent 生态，扩展性强
专为 API 和 ETL 设计，部署简单，支持批量处理，适合生产环境

不足之处

文档/社区待观察
高度依赖 LLM API，长期使用成本可能较高

适用场景

企业财务部门自动提取发票、合同中的关键字段
数据工程团队构建文档到数据库的自动化 ETL 管道
AI 应用开发者通过 MCP 协议为智能体添加文档理解能力

替代项目

Docling、LlamaParse、Unstructured

项目介绍

unstract 是行业应用领域的开源项目，由 Zipstack 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（7,253）位列前 7%，在行业应用分类的 544 个项目里位列前 5%。

近 44 天，它的 GitHub 星标从 7,129 增加到 7,253，净增 124。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。提供免费额度，高级功能需付费，具体价格见官网。从国内网络环境看，当前已无法正常访问。

它主要面向的使用场景是：企业财务部门自动提取发票、合同中的关键字段。同类可对比的替代方案包括 Docling、LlamaParse、Unstructured。

上一篇：pwn

下一篇：WrenAI