Unstract：把 PDF、扫描件和表格批量变成结

发票、银行流水、保单这类文档，格式一变，以前写的解析代码就得跟着返工。

开源平台 Unstract 换了个思路：用大白话写抽取规则，让大模型去执行。你只要写一句“提取开票方名称”，它就能直接吐出干净的 JSON。新增一种文档，从几天开发变成界面上几分钟搞定。

整套东西在 Docker 里跑，内存 8GB 起步。先在 Prompt Studio 里传样例、写 prompt，平台会并列对比不同模型的输出和成本。调好后一键导出 API，或者拉起一个批量入库的管道。

不过这方案也有代价。开源版没有双模型互查和人工复核界面，抽 15 个字段就要调用 15 次大模型，token 账单攒得飞快。而且它是个带界面的完整平台，不是 pip 装完就能用的轻量库。

适合文档量大、格式又杂的团队，尤其是已经在用数仓的。