知识库与 RAG工具
DocSlurp：多格式文档解析、混合检索与带引用问答的 RAG 服务端
DocSlurp/docslurp-oss · DocSlurp server, worker, SDKs and CLI — active source of truth
ELI5：它是什么，解决什么问题
DocSlurp 可接收 PDF、Office 文件、EPUB、HTML、图片、音视频等文件，输出逐页 Markdown、页面图像、分块以及按 JSON Schema 抽取的结构化字段。它提供带页码引用的混合检索与 RAG 上下文、可配置的 /v1/chat 及 OpenAI 兼容聊天端点（支持流式），并可通过 REST、SDK、CLI、MCP 以及兼容 Algolia、Meilisearch、Typesense、Pagefind 的客户端接入。本仓库包含服务端（API 与 worker）、数据库迁移、CLI、SDK 和搜索集成；托管产品与 Web 面板另库开发。项目处于 pre-release 状态，API 与数据模型在 v1 前可能变动；服务端与 worker、CLI 采用 SSPL-1.0（三年后转为 Apache-2.0），SDK 等客户端包为 MIT，属于 source-available 而非 OSI 认可的开源。
核心能力与快速开始
★ 2 · TypeScript
- 能做什么
- 摄取与抽取：把 PDF、Office、EPUB、HTML、图片、音视频转换为逐页 Markdown、页面图像和分块，并可依据 JSON Schema 抽取结构化字段。检索：提供带页码引用的混合搜索和 RAG 上下文，覆盖 REST、SDK、CLI、MCP 及 Algolia、Meilisearch、Typesense、Pagefind 兼容客户端。问答：通过 /v1/chat 与 OpenAI 兼容的 /v1/chat/completions 返回带出处引用的回答，支持流式与按工作区配置。
- 适用场景
- 构建面向文档集合的知识库问答与检索服务；对公文、手册、书籍等做逐页结构化解析与字段抽取；为自有应用提供带引用的 RAG 上下文接口；用兼容客户端把既有搜索栈接到 DocSlurp 上。
- 项目形态
- 开发框架
- 部署方式
- 说明支持自托管：需 Docker 与 Compose v2，通过 selfhost-init 生成配置、selfhost-check 校验并用 compose 启动；技术栈包含 API、单个 worker、Postgres、Redis、MinIO 与 Temporal。不附带 Web UI。托管版由 docslurp.io 单独提供，未说明其部署细节与成本。
- 主要依赖
- 自托管要求 Docker Compose v2，精简 worker 需 8 GB 及以上内存，另需较新版本 Node.js 运行一次性配置生成脚本。嵌入与索引所依赖的模型、外部 API 及其费用未说明。
- 使用限制
- 状态为 pre-release，v1 前 API 与数据模型可能不预告变更。服务端为 SSPL-1.0，向第三方提供服务会触发 SSPL 第 13 条；SDK 等为 MIT。需妥善备份 .env.selfhost，后续更改加密密钥可能导致已存密钥无法解密。未说明检索质量、吞吐、支持的模型与语言范围等指标。
- 许可证
- NOASSERTION
- 最近推送
- 2026-11-03 06:30
资料检查：2026-11-03 07:00 · 卡片整理：2026-11-03 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
职业应用
程序员
作为可自托管的 RAG 服务端，程序员可通过 REST API、SDK、CLI 或 MCP 接入，将 PDF、Office、HTML 等文档解析为逐页 Markdown 和分块，并用于带页码引用的混合检索与问答，便于构建内部文档检索或知识库应用。
查看内容依据
Send DocSlurp any file. Get back page-by-page Markdown and structured fields, hybrid search and RAG context, and a chat endpoint whose answers cite the page they came from.
由 AI 根据来源材料整理，未进行安装或运行验证
HR
HR 可将员工手册等 PDF 文档上传，通过带页码引用的检索问答查询政策内容，例如示例中查询育儿假政策并返回文档与页码引用。
查看内容依据
for await (const hit of client.search({ q: "What is the parental leave policy?" })) { console.log(hit.text, hit.citation); // citation names the document and page }
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。