Doc Jev 用于文档分类与拆分

最新开源工具 Doc Jev
支持输入PDF DOCX PPTX文件
接收自然语言编写的类别规则
可以判定文档所属类别
也可以按边界拆分文件包
输出各个子文档对应的页码范围
附带开源项目链接
采用解析与决策分离的架构
解析层负责OCR与文本化
默认使用liteparse
本地原生Python解析器
免费不产生API开销

可选LlamaParse后端
基于VLM 适配复杂版式
划分三档服务档位
支持版本锁定以及缓存
DOCX PPTX文件
需要借助LibreOffice预先转成PDF
决策层使用Jev
归一化页文本送入Jev托管服务
返回类别 概率 分布

架构分离带来两项优势
解析结果可以重复使用
一次解析 多次执行分类或者拆分
可以单独查看决策推理耗时
更换OCR后端
不会改动决策逻辑

Github
jerryjliu/docjev