[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ocrbase-hq--ocrbase":3,"tool-ocrbase-hq--ocrbase":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":67,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":78,"owner_email":79,"owner_twitter":78,"owner_website":80,"owner_url":81,"languages":82,"stars":103,"forks":104,"last_commit_at":105,"license":106,"difficulty_score":107,"env_os":108,"env_gpu":109,"env_ram":108,"env_deps":110,"category_tags":124,"github_topics":125,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":140,"updated_at":141,"faqs":142,"releases":158},3438,"ocrbase-hq\u002Focrbase","ocrbase","📄 PDF ->.MD\u002F.JSON API & SDK for PaddleOCR-VL with structured data extraction. Self-hostable.","ocrbase 是一款专为大规模处理 PDF 文档设计的开源工具，能够将复杂的 PDF 文件高效转换为干净的 Markdown 文本或结构化 JSON 数据。它主要解决了传统 OCR 技术在处理复杂版面时精度不足，以及直接将原始 PDF 投喂给大语言模型（LLM）导致 Token 浪费和效果不佳的痛点。通过先由 ocrbase 提取高质量文本再交由 LLM 处理，用户能以更低的成本获得更精准的分析结果。\n\n这款工具非常适合开发者、数据工程师及 AI 研究人员使用，特别是那些需要构建文档自动化流程、发票信息提取系统或知识库搭建的团队。ocrbase 的核心亮点在于集成了先进的 PaddleOCR-VL 开源模型，确保了极高的文字识别准确率；同时支持自定义 JSON Schema，能直接从非结构化文档中提取特定字段。架构上，它采用异步队列机制处理高并发任务，并提供 WebSocket 实时进度通知。此外，ocrbase 不仅提供便捷的云 API 和 TypeScript SDK，还完全支持基于 Docker 的私有化部署，让用户能在自己的基础设施上安全、灵活地运行整套服务。","# ocrbase\n\nTurn PDFs into structured data at scale. Powered by frontier open-weight OCR models.\n\n## Quickstart\n\n### Try the Playground\n\n[ocrbase.dev](https:\u002F\u002Focrbase.dev) parse and extract data from documents up to 1K page for free.\n\n### Cloud API\n\n1. **Generate an API key** at [ocrbase.dev](https:\u002F\u002Focrbase.dev)\n2. **Add it to your `.env` file:**\n   ```bash\n   OCRBASE_API_KEY=sk_xxx\n   ```\n3. **Install the SDK:**\n   ```bash\n   npm install ocrbase-sdk\n   ```\n4. **Parse a document:**\n\n   ```ts\n   import { parse } from \"ocrbase-sdk\";\n\n   const { text } = await parse(\".\u002Finvoice.pdf\");\n   console.log(text);\n   ```\n\nOr use the API directly with curl:\n\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fparse \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@document.pdf\"\n```\n\n### Self-host\n\nPrerequisites: [Bun](https:\u002F\u002Fbun.sh\u002F), Docker Desktop\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmajcheradam\u002Focrbase\ncd ocrbase\nbun install\ncp .env.example .env     # then edit .env — set PADDLE_OCR_URL to your PaddleOCR instance\ndocker compose up -d     # starts postgres, redis, minio\nbun run db:push          # set up the database\nbun run dev              # start the API server + worker\n```\n\nThe API will be available at `http:\u002F\u002Flocalhost:3000`. See the [Self-Hosting Guide](.\u002Fdocs\u002FSELF_HOSTING.md) for PaddleOCR setup, GPU configuration, and all environment variables.\n\n## How It Works\n\nocrbase has two core operations. Both are asynchronous — you submit a request, get a job ID, and retrieve the result when it's ready.\n\n### Parse (`POST \u002Fv1\u002Fparse`)\n\nConverts a PDF into Markdown. Upload a file and ocrbase OCRs every page and returns clean Markdown text.\n\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fparse \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@document.pdf\"\n```\n\n### Extract (`POST \u002Fv1\u002Fextract`)\n\nConverts a PDF into structured JSON. You provide a file and a schema ID, and ocrbase OCRs the document then uses an LLM to extract data matching your schema.\n\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fextract \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@invoice.pdf\" \\\n  -F \"schemaId=inv_schema_123\"\n```\n\n### Checking Results\n\n**Polling** — fetch the job status until it completes:\n\n```bash\ncurl https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fjobs\u002Fjob_xxx \\\n  -H \"Authorization: Bearer sk_xxx\"\n```\n\n**WebSocket** — subscribe to real-time status updates instead of polling:\n\n```bash\nwscat -c \"wss:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Frealtime?job_id=job_xxx\" \\\n  -H \"Authorization: Bearer sk_xxx\"\n```\n\n## Features\n\n- **Best-in-class OCR** — uses [PaddleOCR-VL-1.5 0.9B](http:\u002F\u002Fwww.paddleocr.ai\u002Fmain\u002Fen\u002Fversion3.x\u002Fpipeline_usage\u002FPaddleOCR-VL.html) for accurate text extraction from PDFs\n- **Structured extraction** — define a JSON schema and get structured data back from any document\n- **Built for scale** — queue-based job processing with [BullMQ](https:\u002F\u002Fgithub.com\u002Ftaskforcesh\u002Fbullmq) so you can process thousands of documents\n- **Real-time updates** — [WebSocket](https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FAPI\u002FWebSockets_API) notifications for job progress instead of polling\n- **Self-hostable** — run the entire stack on your own infrastructure with Docker\n\n## SDK\n\nInstall the TypeScript SDK from npm:\n\n```bash\nnpm install ocrbase-sdk\n```\n\n[`ocrbase-sdk` on npm](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Focrbase-sdk) | [Source on GitHub](https:\u002F\u002Fgithub.com\u002Focrbase-hq\u002Focrbase\u002Ftree\u002Fmain\u002Fpackages\u002Fsdk)\n\nThe SDK provides type-safe methods for parsing, extraction, schema management, and real-time WebSocket subscriptions.\n\n## API Reference\n\n- Interactive OpenAPI UI: `https:\u002F\u002Fapi.ocrbase.dev\u002Fopenapi`\n- OpenAPI JSON: `https:\u002F\u002Fapi.ocrbase.dev\u002Fopenapi\u002Fjson`\n\n## LLM Integration\n\nParse documents with ocrbase before sending to LLMs. Raw PDF binary wastes tokens and produces poor results — sending clean Markdown from ocrbase gives much better LLM output at a fraction of the cost.\n\n## Architecture\n\n![Architecture Diagram](docs\u002Farchitecture.svg)\n\n## Tech Stack\n\n| Layer         | Technology                                                    |\n| ------------- | ------------------------------------------------------------- |\n| Runtime       | [Bun](https:\u002F\u002Fbun.sh\u002F)                                        |\n| API Framework | [Elysia](https:\u002F\u002Felysiajs.com\u002F)                               |\n| SDK           | [Eden Treaty](https:\u002F\u002Felysiajs.com\u002Feden\u002Ftreaty\u002Foverview.html) |\n| Database      | PostgreSQL + [Drizzle ORM](https:\u002F\u002Form.drizzle.team\u002F)         |\n| Queue         | Redis + [BullMQ](https:\u002F\u002Fbullmq.io\u002F)                          |\n| Storage       | S3\u002FMinIO                                                      |\n| OCR           | [PaddleOCR-VL 1.5](https:\u002F\u002Fgithub.com\u002FPaddlePaddle\u002FPaddleOCR) |\n| Auth          | [Better-Auth](https:\u002F\u002Fbetter-auth.com\u002F)                       |\n| Build         | [Turborepo](https:\u002F\u002Fturbo.build\u002F)                             |\n\n## Self-Hosting\n\nSee the [Self-Hosting Guide](.\u002Fdocs\u002FSELF_HOSTING.md) for the full deployment walkthrough including PaddleOCR setup, all environment variables, and API endpoint reference.\n\n**Requirements:** [Bun](https:\u002F\u002Fbun.sh\u002F), Docker Desktop\n\n## Health Checks\n\n- `GET \u002Fv1\u002Fhealth\u002Flive` — liveness check\n- `GET \u002Fv1\u002Fhealth\u002Fready` — readiness check (confirms all dependencies are connected)\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Focrbase-hq_ocrbase_readme_88d21f14215d.png)](https:\u002F\u002Fwww.star-history.com\u002F#ocrbase-hq\u002Focrbase&type=timeline&logscale&legend=top-left)\n\n## License\n\nMIT — See [LICENSE](LICENSE) for details.\n\n## Contact\n\nFor API access, on-premise deployment, or questions: adammajcher20@gmail.com\n","# ocrbase\n\n大规模将 PDF 转换为结构化数据。由前沿的开源 OCR 模型驱动。\n\n## 快速入门\n\n### 试用 Playground\n\n在 [ocrbase.dev](https:\u002F\u002Focrbase.dev) 上，您可以免费解析和提取最多 1000 页的文档数据。\n\n### 云 API\n\n1. 在 [ocrbase.dev](https:\u002F\u002Focrbase.dev) 生成一个 API 密钥。\n2. 将其添加到您的 `.env` 文件中：\n   ```bash\n   OCRBASE_API_KEY=sk_xxx\n   ```\n3. 安装 SDK：\n   ```bash\n   npm install ocrbase-sdk\n   ```\n4. 解析文档：\n\n   ```ts\n   import { parse } from 'ocrbase-sdk';\n\n   const { text } = await parse('.\u002Finvoice.pdf');\n   console.log(text);\n   ```\n\n或者直接使用 curl 调用 API：\n\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fparse \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@document.pdf\"\n```\n\n### 自托管\n\n先决条件：[Bun](https:\u002F\u002Fbun.sh\u002F)、Docker Desktop\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmajcheradam\u002Focrbase\ncd ocrbase\nbun install\ncp .env.example .env     # 然后编辑 .env — 将 PADDLE_OCR_URL 设置为您的 PaddleOCR 实例\ndocker compose up -d     # 启动 postgres、redis、minio\nbun run db:push          # 初始化数据库\nbun run dev              # 启动 API 服务器 + 工作进程\n```\n\nAPI 将在 `http:\u002F\u002Flocalhost:3000` 提供服务。有关 PaddleOCR 的设置、GPU 配置以及所有环境变量，请参阅 [自托管指南](.\u002Fdocs\u002FSELF_HOSTING.md)。\n\n## 工作原理\n\nocrbase 有两个核心操作。两者都是异步的——您提交请求，获取作业 ID，并在结果准备好时检索。\n\n### 解析 (`POST \u002Fv1\u002Fparse`)\n\n将 PDF 转换为 Markdown 格式。上传文件后，ocrbase 会 OCR 每一页，并返回干净的 Markdown 文本。\n\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fparse \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@document.pdf\"\n```\n\n### 提取 (`POST \u002Fv1\u002Fextract`)\n\n将 PDF 转换为结构化的 JSON 数据。您提供文件和模式 ID，ocrbase 会对文档进行 OCR 处理，然后使用 LLM 提取符合您模式的数据。\n\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fextract \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@invoice.pdf\" \\\n  -F \"schemaId=inv_schema_123\"\n```\n\n### 检查结果\n\n**轮询**——不断查询作业状态，直到完成：\n\n```bash\ncurl https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fjobs\u002Fjob_xxx \\\n  -H \"Authorization: Bearer sk_xxx\"\n```\n\n**WebSocket**——订阅实时状态更新，无需轮询：\n\n```bash\nwscat -c \"wss:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Frealtime?job_id=job_xxx\" \\\n  -H \"Authorization: Bearer sk_xxx\"\n```\n\n## 功能\n\n- **一流的 OCR**——使用 [PaddleOCR-VL-1.5 0.9B](http:\u002F\u002Fwww.paddleocr.ai\u002Fmain\u002Fen\u002Fversion3.x\u002Fpipeline_usage\u002FPaddleOCR-VL.html) 从 PDF 中准确提取文本。\n- **结构化提取**——定义 JSON 模式，即可从任何文档中获取结构化数据。\n- **为规模化设计**——基于队列的任务处理，采用 [BullMQ](https:\u002F\u002Fgithub.com\u002Ftaskforcesh\u002Fbullmq)，可处理数千份文档。\n- **实时更新**——通过 [WebSocket](https:\u002F\u002Fdeveloper.mozilla.org\u002Fen-US\u002Fdocs\u002FWeb\u002FAPI\u002FWebSockets_API) 通知作业进度，无需轮询。\n- **可自托管**——使用 Docker 在您自己的基础设施上运行整个堆栈。\n\n## SDK\n\n从 npm 安装 TypeScript SDK：\n\n```bash\nnpm install ocrbase-sdk\n```\n\n[`ocrbase-sdk` 在 npm 上](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Focrbase-sdk) | [GitHub 源代码](https:\u002F\u002Fgithub.com\u002Focrbase-hq\u002Focrbase\u002Ftree\u002Fmain\u002Fpackages\u002Fsdk)\n\nSDK 提供类型安全的方法，用于解析、提取、模式管理以及实时 WebSocket 订阅。\n\n## API 参考\n\n- 交互式 OpenAPI UI：`https:\u002F\u002Fapi.ocrbase.dev\u002Fopenapi`\n- OpenAPI JSON：`https:\u002F\u002Fapi.ocrbase.dev\u002Fopenapi\u002Fjson`\n\n## LLM 集成\n\n在将文档发送给 LLM 之前，先使用 ocrbase 进行解析。原始 PDF 二进制数据会浪费 token 并导致较差的结果——而使用 ocrbase 提供的干净 Markdown 格式，则可以在成本大幅降低的情况下获得更好的 LLM 输出。\n\n## 架构\n\n![架构图](docs\u002Farchitecture.svg)\n\n## 技术栈\n\n| 层级         | 技术                                                    |\n| ------------- | ------------------------------------------------------------- |\n| 运行时       | [Bun](https:\u002F\u002Fbun.sh\u002F)                                        |\n| API 框架     | [Elysia](https:\u002F\u002Felysiajs.com\u002F)                               |\n| SDK           | [Eden Treaty](https:\u002F\u002Felysiajs.com\u002Feden\u002Ftreaty\u002Foverview.html) |\n| 数据库      | PostgreSQL + [Drizzle ORM](https:\u002F\u002Form.drizzle.team\u002F)         |\n| 队列         | Redis + [BullMQ](https:\u002F\u002Fbullmq.io\u002F)                          |\n| 存储         | S3\u002FMinIO                                                      |\n| OCR           | [PaddleOCR-VL 1.5](https:\u002F\u002Fgithub.com\u002FPaddlePaddle\u002FPaddleOCR) |\n| 认证         | [Better-Auth](https:\u002F\u002Fbetter-auth.com\u002F)                       |\n| 构建         | [Turborepo](https:\u002F\u002Fturbo.build\u002F)                             |\n\n## 自托管\n\n请参阅 [自托管指南](.\u002Fdocs\u002FSELF_HOSTING.md)，了解完整的部署流程，包括 PaddleOCR 的设置、所有环境变量以及 API 端点参考。\n\n**要求：** [Bun](https:\u002F\u002Fbun.sh\u002F)、Docker Desktop\n\n## 健康检查\n\n- `GET \u002Fv1\u002Fhealth\u002Flive`——存活检查\n- `GET \u002Fv1\u002Fhealth\u002Fready`——就绪检查（确认所有依赖项已连接）\n\n## 星标历史\n\n[![星标历史图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Focrbase-hq_ocrbase_readme_88d21f14215d.png)](https:\u002F\u002Fwww.star-history.com\u002F#ocrbase-hq\u002Focrbase&type=timeline&logscale&legend=top-left)\n\n## 许可证\n\nMIT——详情请参阅 [LICENSE](LICENSE)。\n\n## 联系方式\n\n如需 API 访问权限、本地部署或有任何疑问，请联系：adammajcher20@gmail.com","# ocrbase 快速上手指南\n\nocrbase 是一个基于前沿开源 OCR 模型的大规模 PDF 转结构化数据工具。它支持将 PDF 转换为 Markdown 或根据 Schema 提取结构化 JSON，适用于文档解析、发票处理及 LLM 预处理等场景。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux \u002F macOS \u002F Windows (需安装 Docker Desktop)\n*   **运行时依赖**：\n    *   [Bun](https:\u002F\u002Fbun.sh\u002F) (推荐用于本地开发和自托管)\n    *   [Docker Desktop](https:\u002F\u002Fwww.docker.com\u002Fproducts\u002Fdocker-desktop\u002F) (用于运行数据库、缓存和存储组件)\n*   **网络要求**：能够访问 `ocrbase.dev` (云端 API) 或拉取相关 Docker 镜像。\n\n> **注意**：国内开发者若使用云端 API，请注意网络连通性；若选择自托管，需确保能拉取 Docker Hub 镜像或配置国内镜像加速源。\n\n## 安装步骤\n\n您可以选择直接使用**云端 API**（最快上手）或**本地自托管**。\n\n### 方案一：使用云端 API (推荐新手)\n\n1.  **获取 API Key**\n    访问 [ocrbase.dev](https:\u002F\u002Focrbase.dev) 注册并生成 API Key。\n\n2.  **配置环境变量**\n    在项目根目录创建 `.env` 文件：\n    ```bash\n    OCRBASE_API_KEY=sk_xxx\n    ```\n\n3.  **安装 SDK**\n    使用 npm 安装 TypeScript SDK：\n    ```bash\n    npm install ocrbase-sdk\n    ```\n\n### 方案二：本地自托管 (Self-hosted)\n\n适合需要数据隐私保护或大规模离线处理的场景。\n\n1.  **克隆项目**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fmajcheradam\u002Focrbase\n    cd ocrbase\n    ```\n\n2.  **安装依赖**\n    ```bash\n    bun install\n    ```\n\n3.  **配置环境**\n    复制示例配置文件并编辑（需设置 `PADDLE_OCR_URL` 指向您的 PaddleOCR 实例）：\n    ```bash\n    cp .env.example .env\n    # 请使用编辑器修改 .env 文件\n    ```\n\n4.  **启动基础设施**\n    使用 Docker Compose 启动 PostgreSQL, Redis 和 MinIO：\n    ```bash\n    docker compose up -d\n    ```\n\n5.  **初始化数据库并启动服务**\n    ```bash\n    bun run db:push\n    bun run dev\n    ```\n    启动后，API 服务将运行在 `http:\u002F\u002Flocalhost:3000`。\n\n## 基本使用\n\n### 1. 使用 SDK 解析 PDF (Node.js\u002FTypeScript)\n\n这是最简单的用法，将 PDF 转换为干净的 Markdown 文本。\n\n```ts\nimport { parse } from \"ocrbase-sdk\";\n\nconst { text } = await parse(\".\u002Finvoice.pdf\");\nconsole.log(text);\n```\n\n### 2. 直接使用 curl 调用 API\n\n如果您不使用 SDK，可以直接通过 HTTP 请求调用。\n\n**解析为 Markdown：**\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fparse \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@document.pdf\"\n```\n\n**提取结构化数据 (需预先定义 Schema)：**\n```bash\ncurl -X POST https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fextract \\\n  -H \"Authorization: Bearer sk_xxx\" \\\n  -F \"file=@invoice.pdf\" \\\n  -F \"schemaId=inv_schema_123\"\n```\n\n### 3. 获取任务结果\n\nocrbase 的核心操作是异步的。提交请求后会返回一个 `job_id`，您可以通过以下方式获取结果：\n\n**轮询检查状态：**\n```bash\ncurl https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fjobs\u002Fjob_xxx \\\n  -H \"Authorization: Bearer sk_xxx\"\n```\n\n**或使用 WebSocket 实时订阅：**\n```bash\nwscat -c \"wss:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Frealtime?job_id=job_xxx\" \\\n  -H \"Authorization: Bearer sk_xxx\"\n```\n\n---\n*更多高级功能（如自定义 Schema 管理、GPU 配置详解）请参考官方 [Self-Hosting Guide](.\u002Fdocs\u002FSELF_HOSTING.md)。*","某跨境电商财务团队每月需处理数千份来自不同供应商的 PDF 格式发票，以便录入 ERP 系统进行对账。\n\n### 没有 ocrbase 时\n- **人工录入效率低下**：财务人员必须手动打开每个 PDF，逐字敲击发票号、金额和日期，耗时且容易因疲劳产生输入错误。\n- **非结构化数据难利用**：扫描版发票本质是图片，无法直接搜索或批量分析，导致历史数据沉淀为“死数据”，难以进行趋势预测。\n- **对接大模型成本高**：若尝试直接将原始 PDF 二进制文件发送给 LLM 分析，不仅消耗大量 Token 增加成本，还常因排版混乱导致提取结果不准确。\n- **私有化部署困难**：由于涉及敏感财务数据，团队不敢使用公共 OCR 服务，而自建基于 PaddleOCR 的高可用集群需要极高的运维门槛。\n\n### 使用 ocrbase 后\n- **自动化结构化提取**：通过定义 JSON Schema 调用 ocrbase 的 Extract 接口，系统自动将成千上万份发票转化为标准的 JSON 数据，直接写入数据库，实现零人工干预。\n- **高质量 Markdown 转换**：利用 ocrbase 先将 PDF 转为干净的 Markdown 再喂给大模型，大幅降低了 Token 消耗，同时显著提升了复杂表格和混合排版的识别准确率。\n- **弹性扩展与实时监控**：基于 BullMQ 的队列机制让团队能并发处理海量文档，并通过 WebSocket 实时掌握任务进度，轻松应对月底业务高峰。\n- **安全可控的自托管**：团队利用 Docker 一键在内部服务器部署 ocrbase 全套栈，数据完全不出内网，既满足了合规要求，又享受了前沿开源模型的能力。\n\nocrbase 将原本繁琐、易错且昂贵的非结构化文档处理流程，转变为高效、精准且数据安全的企业级自动化流水线。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Focrbase-hq_ocrbase_ec851042.png","ocrbase-hq","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Focrbase-hq_02c96fda.png","Make easy to use SOTA VLMs(ocr+llm) via SDK&API.",null,"adammajcher20@gmail.com","https:\u002F\u002Fapi.ocrbase.dev\u002Fv1\u002Fopenapi","https:\u002F\u002Fgithub.com\u002Focrbase-hq",[83,87,91,95,99],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",89.3,{"name":88,"color":89,"percentage":90},"MDX","#fcb32c",8.3,{"name":92,"color":93,"percentage":94},"CSS","#663399",1.8,{"name":96,"color":97,"percentage":98},"Dockerfile","#384d54",0.6,{"name":100,"color":101,"percentage":102},"JavaScript","#f1e05a",0,982,76,"2026-04-04T18:24:10","MIT",4,"未说明","未明确强制要求，但自托管指南提及需配置 GPU 以运行 PaddleOCR，具体型号和显存未说明",{"notes":111,"python":112,"dependencies":113},"该项目主要使用 Bun 作为运行时而非 Python。自托管需要安装 Docker Desktop 来启动数据库、缓存和存储服务。核心 OCR 引擎为 PaddleOCR-VL，需在 .env 文件中配置其服务地址。开发环境需使用 Bun 安装依赖并推送数据库架构。","未说明 (主要运行时为 Bun)",[114,115,116,117,118,119,120,121,122,123],"Bun","Docker Desktop","PostgreSQL","Redis","MinIO","PaddleOCR-VL 1.5","Elysia","Drizzle ORM","BullMQ","Better-Auth",[14,13,15],[126,127,128,129,130,131,132,133,134,135,136,137,138,139],"ai","document-processing","json","markdown","ocr","pdf","self-hosted","typescript","bun","drizzle","elysia","paddleocr","react-hooks","websocket","2026-03-27T02:49:30.150509","2026-04-06T05:16:54.969319",[143,148,153],{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},15787,"无法拉取 PaddleOCR 镜像或遇到认证错误怎么办？","旧的 `registry.baidubce.com` 镜像已过时。项目已升级至 PaddleOCR-VL 1.5，请使用新的官方镜像地址，这些地址无需认证即可拉取：\n\n```\nccr-2vdh3abv-pub.cnc.bj.baidubce.com\u002Fpaddlepaddle\u002Fpaddleocr-genai-vllm-server:latest-nvidia-gpu\nccr-2vdh3abv-pub.cnc.bj.baidubce.com\u002Fpaddlepaddle\u002Fpaddleocr-vl:latest-nvidia-gpu\n```\n\n请更新配置后运行 `docker compose --profile gpu up -d` 重试。\n\n注意：PaddleOCR-VL 1.5 需要计算能力 >= 8.0 的 NVIDIA GPU（如 RTX 30\u002F40\u002F50 系列，A10\u002FA100+）。T4\u002FV100 等旧款 GPU 可能会出现显存不足（OOM）问题。","https:\u002F\u002Fgithub.com\u002Focrbase-hq\u002Focrbase\u002Fissues\u002F18",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},15788,"如何快速在本地启动和配置 PaddleOCR 服务？","现在可以通过一条命令启动 PaddleOCR-VL 1.5 服务：\n\n```bash\ndocker compose --profile gpu up -d\n```\n\n启动后，可以通过访问 `http:\u002F\u002Flocalhost:8080\u002Fhealth` 来验证服务是否可达。详细的 GPU 要求（计算能力 >= 8.0）、设置步骤和健康检查说明请参阅项目中的 `SELF_HOSTING.md` 文档。针对 vLLM 后端的调优配置文件位于 `docker\u002Fpaddleocr\u002F` 目录下。","https:\u002F\u002Fgithub.com\u002Focrbase-hq\u002Focrbase\u002Fissues\u002F6",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},15789,"ocrbase 是否提供公共 API？有哪些功能和文档？","是的，公共 API 已上线。主要功能包括：\n- 文档解析 (`\u002Fapi\u002Fparse`) 和结构化提取 (`\u002Fapi\u002Fextract`) 的 REST API\n- 基于 API Key 的身份验证及使用量追踪\n- 支持 WebSocket 以获取实时任务更新\n- 提供 TypeScript SDK (`@ocrbase\u002Fsdk`)\n\nAPI 文档地址：https:\u002F\u002Focrbase.dev\u002Fopenapi\nOpenAPI 规范也可通过 `\u002Fopenapi\u002Fjson` 获取，用于生成其他语言的客户端。","https:\u002F\u002Fgithub.com\u002Focrbase-hq\u002Focrbase\u002Fissues\u002F8",[]]