数据与检索

PaddleOCR 是一款强大、轻量的 OCR 与文档解析工具包，可将 PDF 和图像转换为结构化、可供 LLM 使用的数据。它支持 100 多种语言、JSON 和 Markdown 输出，并帮助构建 RAG 和 Agentic 应用。

OpenViking 是面向 AI 智能体的开源上下文数据库，统一智能体记忆、知识 RAG 与技能。它把上下文组织为 viking:// 下可浏览的文件系统，支持分层摘要与目录内的语义检索，让上下文成为可检索、可复用的资产，并可接入多种智能体框架。

Qdrant 是一个高性能、可大规模扩展的向量数据库和向量相似度搜索引擎，专为新一代 AI 应用设计。它支持存储、搜索和管理带 payload 的向量，并提供全托管的 Qdrant Cloud 服务。

Chroma 是面向 AI 的开源搜索基础设施，提供快速、无服务器且可扩展的基础设施，支持向量、稀疏向量、全文、正则与元数据搜索，基于对象存储构建，适用于多租户索引，采用 Apache 2.0 开源许可。

anydoc 是 Firecrawl 开发的开源 Rust 库，可将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 转换为整洁的 GitHub 风格 Markdown，并提供 Node.js、Python、浏览器和 CLI 绑定。