Repolode
제출하기
enoch3712

enoch3712/ExtractThinker

LLM으로 PDF, 이미지 등의 문서를 분류하고 분할해 검증된 Pydantic 객체로 변환하는 Python 라이브러리입니다.

GitHub에서 보기웹사이트
스타
1,604
포크
156
열린 이슈
5
마지막 커밋
2개월 전

어떤 프로젝트인가요?

ExtractThinker는 문서에서 타입이 지정된 데이터를 추출하는 Python 라이브러리입니다. 필요한 필드를 설명하는 Pydantic 계약을 정의하고 문서 로더와 LLM을 선택하면, 라이브러리가 문서를 불러와 분류하고 분할한 뒤 내용을 추출해 검증된 객체로 변환합니다.

이 라이브러리는 문서 처리 파이프라인의 일반적인 단계를 다룹니다. PDF, 이미지, 표, 스프레드시트용 문서 로더와 여러 유형이 섞인 문서 묶음을 위한 분류 및 분할 기능, 긴 입력이나 불완전한 모델 응답을 처리하는 완료 전략을 제공합니다. Ollama를 통해 로컬 모델을 사용할 수도 있습니다. main 브랜치에는 SQLite를 이용한 페이지 검색, 병렬 필드 추출, 모델 라우팅, 로컬 엔티티 마스킹, MCP 서비스도 추가되어 있지만, 아직 PyPI 릴리스에는 포함되지 않아 checkout한 소스에서 설치해야 합니다.

스키마 검증만으로 추출된 값의 정확성이 보장되지는 않으므로, 자체 문서로 결과를 평가해야 합니다. 추출 과정에서 설정된 모델 제공자에 요청을 보내며 요금이 발생할 수 있습니다.

핵심 기능

  • 01필드 제약 조건과 검증을 적용해 Pydantic 모델로 추출 대상을 정의합니다.
  • 02플러그형 문서 로더로 PDF, 이미지, 표, 스프레드시트를 불러옵니다.
  • 03여러 유형이 섞인 문서 묶음을 분류하고 개별 문서로 분할합니다.
  • 04Ollama를 통한 로컬 모델과 클라우드 LLM 제공자를 지원합니다.
  • 05완료 전략으로 긴 문서와 불완전한 응답을 처리합니다.

활용 사례

  • 스캔 또는 디지털 인보이스에서 인보이스 번호, 합계, 공급업체 정보를 추출합니다.
  • 처리 전에 여러 업무 문서가 섞인 묶음을 분류하고 분할합니다.
  • 후속 Python 코드에서 사용할 타입 지정 데이터를 출력하는 문서 파이프라인을 구축합니다.

빠른 시작

  1. 1

    PyPI에서 라이브러리를 설치합니다

    pip install extract-thinker
  2. 2

    EXTRACT_THINKER_MODEL과 제공업체 API 키를 설정한 다음 샘플 추출 스크립트를 실행합니다

사용 전 알아둘 점

  • LLM 제공업체와 API 키가 필요하며, 추출에 요금이 발생할 수 있습니다.
  • 스캔한 문서에는 OCR 또는 이미지 인식이 가능한 모델이 필요합니다.
  • main 브랜치의 2026년 기능은 PyPI 릴리스에 포함되어 있지 않으므로 git checkout에서 설치해야 합니다.

포함된 컬렉션

PDF·OCR·문서 처리 도구

토픽

#document-intelligence#llm#pdf#ocr#pydantic#document-parsing#structured-extraction#ai#document-image-analysis#document-processing

자주 묻는 질문

ExtractThinker은(는) 무엇인가요?
LLM으로 PDF, 이미지 등의 문서를 분류하고 분할해 검증된 Pydantic 객체로 변환하는 Python 라이브러리입니다. ExtractThinker는 문서에서 타입이 지정된 데이터를 추출하는 Python 라이브러리입니다. 필요한 필드를 설명하는 Pydantic 계약을 정의하고 문서 로더와 LLM을 선택하면, 라이브러리가 문서를 불러와 분류하고 분할한 뒤 내용을 추출해 검증된 객체로 변환합니다.
ExtractThinker은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
ExtractThinker은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
ExtractThinker은(는) 아직 유지보수되고 있나요?
6개월 이내 업데이트. ExtractThinker의 마지막 커밋은 2026년 9월 16일입니다.
ExtractThinker은(는) 어디에 사용할 수 있나요?
스캔 또는 디지털 인보이스에서 인보이스 번호, 합계, 공급업체 정보를 추출합니다. 처리 전에 여러 업무 문서가 섞인 묶음을 분류하고 분할합니다. 후속 Python 코드에서 사용할 타입 지정 데이터를 출력하는 문서 파이프라인을 구축합니다.
ExtractThinker는 어떻게 설치하나요?
PyPI에서 라이브러리를 설치합니다: pip install extract-thinker EXTRACT_THINKER_MODEL과 제공업체 API 키를 설정한 다음 샘플 추출 스크립트를 실행합니다
ExtractThinker은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/enoch3712/ExtractThinker

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트