lumina-ai-inc/chunkr

这是什么？

核心功能

• 01在分块前进行版面分析，识别文档结构。
• 02提供带边界框的 OCR，标注每段文字在页面中的位置。
• 03输出结构化的 HTML 和 Markdown。
• 04支持 PDF、PPT、Word 文档和图片。
• 05兼容任意 OpenAI 格式的 LLM 接口，包括自部署的 vLLM 和 Ollama。
• 06可通过 Docker Compose 在 GPU 或 CPU 模式下本地运行。

适用场景

• 将 PDF 和 Office 文档切分为分块，用于 RAG 管道。
• 从扫描件中提取文字和版面信息，并获取边界框坐标。
• 在本地或自有基础设施上处理文档，确保数据不外传。

快速上手

1. 1

   安装 Docker 和 Docker Compose（GPU 可选安装 NVIDIA Container Toolkit）

2. 2

   克隆代码仓库

   git clone https://github.com/lumina-ai-inc/chunkr && cd chunkr
3. 3

   复制示例环境变量和模型配置文件

   cp .env.example .env && cp models.example.yaml models.yaml
4. 4

   启动服务（GPU 部署）

   docker compose up -d

使用前须知

• !开源版本使用社区模型，准确率低于专有的 Cloud API。
• !LLM 相关功能需要配置 LLM 端点或 API 密钥。
• !采用 AGPL-3.0 许可证，具有 copyleft 义务，除非购买商业许可证。
• !开源版本不支持 Excel。

收录于专题

标签

常见问题

chunkr 是什么？

可自托管的文档智能 API，将 PDF、Office 文件和图片转换为适合 LLM 使用的分块数据。 Chunkr 是一个文档处理服务，可以接收 PDF、PPT、Word 和图片等文件，并将其切分为结构化的分块，便于检索增强生成（RAG）和其他 LLM 流程使用。它结合了版面分析、带边界框的 OCR 和视觉语言模型处理，输出结构化的 HTML 与 Markdown。

chunkr 可以免费使用吗？用的什么许可证？

chunkr 以 AGPL-3.0 许可证开源。用于商业产品前，请先确认许可证条款。

chunkr 还在维护吗？

半年内有更新。chunkr 最近一次提交是在 2026年9月9日。

chunkr 适合用来做什么？

将 PDF 和 Office 文档切分为分块，用于 RAG 管道。 从扫描件中提取文字和版面信息，并获取边界框坐标。 在本地或自有基础设施上处理文档，确保数据不外传。

chunkr 怎么安装和运行？

安装 Docker 和 Docker Compose（GPU 可选安装 NVIDIA Container Toolkit） 克隆代码仓库: git clone https://github.com/lumina-ai-inc/chunkr && cd chunkr 复制示例环境变量和模型配置文件: cp .env.example .env && cp models.example.yaml models.yaml 启动服务（GPU 部署）: docker compose up -d

在哪里获取 chunkr？

源代码和安装说明在 GitHub 上：https://github.com/lumina-ai-inc/chunkr