# 提取思考者
ExtractThinker 是一款灵活的文档智能工具，它利用大型语言模型 (LLM) 从文档中提取结构化数据并进行分类，其功能类似于 ORM，可实现无缝文档处理工作流程。
**TL;DR 法学硕士文档智能**
## 🚀 主要特点
- **灵活的文档加载器**：支持多个文档加载器，包括 Tesseract OCR、Azure Form Recognizer、AWS Textract、Google Document AI 等。
- **可定制合约**：使用 Pydantic 模型定义自定义提取合约以进行精确的数据提取。
- **高级分类**：使用自定义分类和策略对文档或文档部分进行分类。
- **异步处理**：利用异步处理来高效处理大型文档。
- **多格式支持**：无缝处理各种文档格式，如 PDF、图像、电子表格等。
- **ORM 风格的交互**：以类似 ORM 的方式与文档和 LLM 进行交互，以实现直观的开发。
- **分割策略**：实施惰性或急切的分割策略来逐页或整体处理文档。
- **与法学硕士集成**：轻松与不同的法学硕士提供商集成，例如 OpenAI、Anthropic、Cohere 等。
- **社区驱动开发**：受LangChain生态系统启发，专注于智能文档处理。
## 📦 安装
使用 pip 安装 ExtractThinker：
````bash
pip 安装 extract_thinker
````
## 🛠️ 用法
### 基本提取示例
这是一个帮助您开始使用 ExtractThinker 的快速示例。此示例演示如何使用 PyPdf 加载文档并提取合同中定义的特定字段。
````蟒蛇
导入操作系统
从 dotenv 导入 load_dotenv
从 extract_thinker 导入 Extractor、DocumentLoaderPyPdf、Contract
加载_dotenv()
类发票合同（合同）：
发票号码：str
发票日期：str
# 设置 Tesseract 可执行文件的路径
test_file_path = os.path.join("path_to_your_files", "invoice.pdf")
# 初始化提取器
提取器 = 提取器()
extractor.load_document_loader(DocumentLoaderPyPdf())
extractor.load_llm("gpt-4o-mini") # 或任何其他支持的型号
# 从文档中提取数据
结果 = extractor.extract(