#非结构化数据
indexify
Indexify是一个开源引擎，用于构建处理非结构化数据的快速数据管道。它支持视频、音频、图像和文档处理，使用可重用提取器进行数据嵌入、转换和特征提取。系统能自动更新向量数据库和结构化数据库，支持增量提取，并提供提取器SDK。Indexify预置多种提取器，兼容多种LLM框架和存储系统，可本地运行原型。这些特性使其成为实时RAG应用和智能体的高效数据处理解决方案。
EDA-GPT
EDA-GPT是一款开源数据分析工具，支持结构化和非结构化数据处理。该工具可分析CSV、XLSX、SQLite等格式的结构化数据，以及PDF和图像等非结构化数据。EDA-GPT提供直观界面，集成多种LLM模型，具备图表生成、数据清理和多模态搜索功能。它简化了数据分析流程，有助于用户快速探索数据并获取洞察。
GradientJ
GradientJ是一个专注于后台办公自动化的AI平台，利用先进的语言模型技术处理非结构化数据。该平台可处理保单PDF、电子表格和监管文件，实现保险表格自动填写、医疗账单代码提取和客户入职流程简化。GradientJ提供可扩展的自动化解决方案，帮助企业通过软件替代传统人工处理和外包模式，实现高效的业务扩展。
VolansDB
VolansDB是一款多模态数据引擎，支持使用SQL直接查询和分析表格、图像和视频等非结构化数据。内置AI代理可实现数据提取、分类和语义搜索，无需复杂ETL流程。平台连接多种数据源，提供成本可视化和缓存机制，帮助数据分析师高效处理大规模非结构化数据。适用于生成式AI应用分析、创意优化等场景。
spotlight
Spotlight是一个开源的数据可视化工具，专为快速理解和探索非结构化数据集而设计。它支持图像、音频、文本等多种数据类型，通过简单的代码即可创建交互式可视化。Spotlight能够利用数据增强功能识别关键数据集群，适用于机器学习和工程领域的复杂数据分析任务。这个工具可以帮助团队更有效地分析和沟通非结构化数据问题。
radient
Radient是一款开源的非结构化数据处理工具，支持将音频、图形、图像、分子和文本等多种数据类型转换为嵌入向量。该项目不仅提供简单的向量化功能，还支持构建复杂的向量中心工作流。Radient特点包括易用性高、多模态支持、性能优化选项，以及完整的ETL流程构建能力，为开发者提供了高效处理非结构化数据的解决方案。