知识库与 RAG01
DocSlurp/docslurp-oss · DocSlurp server, worker, SDKs and CLI — active source of truth
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。
知识库与 RAG02
Cooberped/dsh-evidence · Turn local files into versioned evidence in DeepSeek Harness: composer upload, private local retrieval, and coordinate-exact PDF/DOCX/XLSX/PPTX reads.
dsh-evidence 是 DeepSeek Harness 的 Web 端插件，支持在 composer 中上传单个文件或整个文件夹，并在本机完成解析与索引，使模型不必把整份文档塞进提示词。它提供两个工具：search_documents 按问题检索紧凑证据块，read_document 按带版本号的坐标精确展开 PDF 页、PPTX 幻灯片、文本行范围或 XLSX 的 Sheet!Range。坐标绑定源文件哈希与解析模式，文件被修改后旧坐标会明确失效；检索结果还可回退到进程内的 JS 索引后端。JPEG/PNG/WebP/GIF 交给 Harness 原生视觉通道处理。项目为公开源码 beta，需配合支持 web profile 的 DeepSeek Harness CLI 使用。
AI 编程03
adianiz/claude-code-legacy-migration · Modernizing Legacy Code with Claude Real-World Guide 2026
该仓库是一份以 Claude Code 为核心的遗留企业系统现代化指南，提供 CLAUDE.md 配置模板、COBOL 到 Java 的转换模式示例、命令行调用示例、质量门禁建议以及分行业 demo 目录结构，并附带关于 Claude API 与 OpenAI API 的对比说明。仓库自身主要为文档、模板和示例脚本，实际安装与迁移效果未验证；使用前需自行检查生成代码的正确性与合规性。
知识库与 RAG04
Artexis10/exomem · Self-hosted MCP server that makes your Obsidian/markdown vault searchable — text, PDFs, Office docs, images, audio — from any MCP client. Hybrid retrieval over a typed, governed corpus, sub-second at 50k notes; your files stay plain markdown.
exomem 是一个自托管的 MCP 服务器，把用户自有的 Obsidian/Markdown 笔记库变成可供 Codex、Claude Code、Cursor、CLI agent 及任意 MCP 客户端调用的本地知识库。它支持对 Markdown、PDF、Office 文档、图片、音频和视频进行本地提取与混合检索，并以带类型、分层的语料组织方式，将原始来源、编译笔记、实体、证据和被取代的结论分开存放；同时提供审计与待复核队列。文件保持纯 Markdown、可编辑、可迁移，服务器只在自己创建的 Knowledge Base/ 目录下写入。项目支持关键词/BM25 与语义检索，并提供资源模式控制、Docker 镜像和远程 OAuth 部署路径。
知识库与 RAG05
GlennShi7/contract-analyzer · Full-stack contract risk analyzer with React, FastAPI, multilingual RAG, ChromaDB, and retrieval evaluation.
该项目是一个全栈原型，从 PDF 合同中提取文本，调用 DeepSeek 生成结构化风险卡片，并通过多语言向量检索在浏览器和 FastAPI 接口中提供条款问答。项目使用 React 前端、FastAPI 后端、MiniLM 嵌入与 ChromaDB，包含法条库与地区配置、引用校验、检索评测和容器化部署说明。项目文档同时说明模型输出仍存在事实与解释错误，法律准确性尚未完成验收。