AI 资源库 · 已整理 10 项
查看与OCR相关的 AI 资讯、工具、Skill、工作流和开源项目。
Wizapply/OpenGeekLLMChat · 日本語のギークのためのllama.cppローカルLLMチャットブラウザクライアント。
OpenGeekLLM 是一个以浏览器为界面的本地 LLM 聊天应用，通过启动 llama.cpp 的 llama-server 子进程完成推理，数据默认保留在本地、不向云端发送。它在聊天之外集成了 Agentic RAG、DuckDuckGo 联网搜索、服务器文件读写、Google Drive 读写、可选的外部 LLM 兜底，以及把 PDF 或网页经 OCR / HTML 清洗后自动登记进持久 RAG 的能力。项目强调精简依赖与易改造：服务端为单个 server.js（仅 express 与 ws），前端为单页 React，无需构建工具。
Bamyani1/interactive-newspaper · Multimodal RAG search across Ohio Wesleyan's student newspaper archive (1950–2006). Next.js + Python OCR + Gemini on Neon pgvector.
该项目把俄亥俄卫斯理大学学生报纸《The Transcript》1950 至 2006 年间的印刷版扫描件（TIF）转成可搜索、可提问的多模态研究工具。它先用 Python 流水线做 OCR（Document AI Enterprise OCR）、版面与视觉检测（American Stories 模型 + DocLayout-YOLO）和 Gemini 结构化，再经合并、审核与广告富化后发布；检索侧在 Neon Postgres 上用 tsvector 全文检索与 pgvector 768 维向量（文本分块与每张照片的多模态向量）构建不可变索引，由 Next.js 16 + React 19 前端提供期刊阅读、关键词搜索和 “Ask the Archive” RAG 问答，复杂问题交由 Gemini 函数调用 Agent 处理，回答带引用、覆盖说明与低置信提示，并支持 PDF 导出与每日预算上限。
AbdoslamB/InkDoc · Turn any document into clean, AI-ready Markdown — locally on your machine. Desktop app for Windows, macOS & Linux powered by MarkItDown, Docling, GLM-OCR and Markit.
InkDoc 是一个跨平台桌面应用与本地 REST API，统一集成 Microsoft MarkItDown、Docling、自研 Markit 引擎与 GLM-OCR 模型，将文件、目录或 URL 转换为干净、适配 AI 的 Markdown。转换主要在本地执行，支持自动保存到 ~/Downloads 并使用防冲突命名；界面基于 Edge WebView2（Windows）或 WebKit（macOS/Linux），可同时以本地 Web 工作台形式访问。
Exciting-nakedmolerat17/IngestReasonCreate · Ingest documents, generate verifiable summaries, and catch AI hallucinations.
IngestReasonCreate 是一个在 Windows 上完全本地运行的文本处理工具，面向 AI 代理的文档工作流：先将 PDF 通过 OCR 和结构化解析在本地提取文本，再把带来源引用的 Markdown 交给 AI 代理进行推理与起草，随后使用 Pandoc、Quarto、Typst 等真实排版引擎生成 PDF、HTML 或 Markdown 文档，最后自动打开成品供用户与原始文件对照核实，以发现 AI 幻觉。项目强调隐私优先、无需联网、无需安装，支持扫描版 PDF 的 OCR、批量处理以及 Mermaid 图渲染。
Varad1006/Smart-resume-shortlisting-system · Developed an industry-driven AI recruitment system that performs semantic resume–job matching and parses multilingual/handwritten resumes using OCR + NLP. Combined contextual similarity with GitHub activity scoring to produce fair, accurate candidate shortlists and reduce manual screening effort.
该系统面向招聘场景，将简历按职位描述进行语义匹配和排名，并展示排名依据。它支持读取 PDF、Word 文档、扫描件和手机照片（含手写体），覆盖 90 多种语言；通过 OCR 将非文本简历转为文字，再按语义而非关键词比较简历与职位描述。职位要求会被逐条打分，并附上满足该要求的简历原文片段作为证据。可选功能包括基于公开 GitHub、LeetCode、CodeChef 活动的公平加分（最高 +10，且不会对无此类资料的候选人扣分），以及针对排名靠前候选人生成的 AI 摘要（优势、差距、面试问题），AI 摘要仅用于解释排名，不改变分数。项目通过 docker compose up 一条命令启动 Web 应用，并保留历史运行记录。
jahfaliabdulrahman-dev/rajhi-rag · Verified Al Rajhi bank-statement reader (Arabic-first): literal VLM transcription → balance chain + printed-footer oracle → Arabic RAG Q&A. Sample scope; synthetic public fixture only.
rajhi-rag 面向阿拉伯语优先的 Al Rajhi 银行对账单扫描件（无文本层的 PDF），流程为：VLM 逐字转录数字并做确定性归一化，再用余额链推导每笔交易的方向和金额，并以每页印刷的页脚合计（借方/贷方/累计余额）作为外部校验；最后通过阿拉伯语检索（FAISS + e5）加确定性工具进行问答，模型只调用工具、不自行计算，并展示答案所依据的行。项目还提供导出 Excel（交易、逐页校验、未证实项、说明四个工作表）、Markdown 转阿拉伯语 RTL PDF、发布前隐私扫描与 QA 网关。仓库为示例范围，公开样本为合成数据，实测结果与已知缺口在 README 中逐项列明。
sapientpants/doctrans · Privacy-first document translation powered by local AI (Ollama). Upload PDF, Word, and OpenDocument files, extract text via vision models, and translate — all processing stays on your device.
Doctrans 是一个基于 Phoenix LiveView 的单用户文档翻译应用，通过 OpenAI 兼容的本地推理服务（如 oMLX）完成处理。它支持上传 PDF、DOCX、DOC、ODT 与 RTF 文件，先用视觉模型把每页提取为 Markdown 文本，再翻译到目标语言，并提供分屏对照查看、实时进度、文档 RAG 问答、语义与关键词混合检索以及多语言界面。使用本地推理服务时文档内容保留在设备上；若配置远程端点则内容会发送到该服务器。项目没有身份认证，官方建议将访问限制在本机或可信网络内。
docling-project/docling · Get your documents ready for gen AI
Docling 是一个 Python 文档处理工具，可解析 PDF、DOCX、PPTX、XLSX、HTML、EPUB、图像、音频等多种格式，并提供高级 PDF 理解能力，包括页面布局、阅读顺序、表格结构、代码、公式与图像分类等。它使用统一的 DoclingDocument 表示，支持导出 Markdown、HTML、DocTags 和无损 JSON 等格式，可与 LangChain、LlamaIndex、Crew AI、Haystack 等生成式 AI 生态集成，并支持本地执行、OCR、视觉语言模型、ASR 和 MCP/API 服务。
Iron-Mark/Hackathon-HireProof · Proof-backed AI agent for checking suspicious job posts, recruiter messages, and apply links, now live with case study and pilot intake.
HireProof 是一个面向求职者的就业欺诈信任与安全项目，用于在应聘或提供个人信息前判断招聘机会是否可信。用户粘贴职位帖、招聘私信、截图或申请链接后，Agent 会抽取其中的声明、核查证据，并给出 Safe、Caution 或 High-Risk 的结论，同时展示红旗、绿灯、来源凭证与下一步建议。项目通过 Web 界面、API、MCP、聊天机器人（Slack/Telegram/Discord）、CLI、SDK、n8n、LangChain、Chrome 扩展等多种入口提供同一套核查核心，并提供 demo fixture 模式与真实证据模式。
r0shi/harborclerk · An MCP server that lets AI agents query your document archive instead of uploading it — with OCR, hybrid search, and cited local-AI answers in a private, Mac-native app.
Harbor Clerk 是一个面向小团队、独立运营者和研究者的本地优先文档智能工具，能够监控文件夹并在本地完成文本提取、OCR、分块、嵌入、混合检索与引用式问答。它支持通过 MCP 或 CLI 让外部 AI 智能体以只读、受限方式查询知识库，仅返回检索片段和引用而非整个文档集，文档原始文件保留在原位置，适合关注隐私、不希望上传资料的场景。