enoch3712/ExtractThinker

これは何？

主な機能

• 01フィールドの制約と検証を備えたPydanticモデルで、抽出対象を定義できます。
• 02拡張可能なドキュメントローダーを通じて、PDF、画像、表、スプレッドシートを読み込めます。
• 03複数種類の文書が混在する束を分類し、個別の文書に分割できます。
• 04Ollama経由のローカルモデルと、クラウドのLLMプロバイダーに対応しています。
• 05補完戦略により、長い文書や不完全な応答を処理できます。

ユースケース

• スキャンまたはデジタル形式の請求書から、請求書番号、合計金額、仕入先情報を抽出する。
• 処理の前に、複数種類の業務文書が混在する束を分類して分割する。
• 後続のPythonコードで使える型付きデータを出力する文書処理パイプラインを構築する。

クイックスタート

1. 1

   PyPIからライブラリをインストールします

   pip install extract-thinker
2. 2

   EXTRACT_THINKER_MODELとプロバイダーのAPIキーを設定し、サンプルの抽出スクリプトを実行します

使う前に知っておきたいこと

• !LLMプロバイダーとAPIキーが必要です。また、抽出に料金が発生する場合があります。
• !スキャン文書にはOCRまたは画像認識対応モデルが必要です。
• !mainブランチにある2026年の機能はPyPI版には含まれていないため、git checkoutからインストールする必要があります。

収録されている特集

トピック

よくある質問

ExtractThinker とは？

LLMを使ってPDFや画像などの文書からデータを抽出し、分類・分割を行って、検証済みのPydanticオブジェクトに変換するPythonライブラリ。 ExtractThinkerは、文書から型付きデータを抽出するためのPythonライブラリです。必要なフィールドを記述したPydanticの契約を定義し、ドキュメントローダーとLLMを選ぶと、文書の読み込み、分類、分割を行い、内容を検証済みのオブジェクトとして抽出します。

ExtractThinker は無料で使えますか？ライセンスは？

ExtractThinker は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

ExtractThinker は今もメンテナンスされていますか？

半年以内に更新あり。ExtractThinker の最終コミットは 2026年9月16日 です。

ExtractThinker は何に使えますか？

スキャンまたはデジタル形式の請求書から、請求書番号、合計金額、仕入先情報を抽出する。 処理の前に、複数種類の業務文書が混在する束を分類して分割する。 後続のPythonコードで使える型付きデータを出力する文書処理パイプラインを構築する。

ExtractThinker のインストール方法は？

PyPIからライブラリをインストールします: pip install extract-thinker EXTRACT_THINKER_MODELとプロバイダーのAPIキーを設定し、サンプルの抽出スクリプトを実行します

ExtractThinker はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/enoch3712/ExtractThinker