大黄

Rhubarb 是一个轻量级 Python 框架，可以使用多模式大型语言模型 (LLM) 和嵌入模型轻松构建文档理解应用程序。 Rhubarb 是从头开始创建的，可与 Amazon Bedrock 和 Anthropic Claude V3 多模态语言模型以及 Amazon Titan 多模态嵌入模型配合使用。

我可以用大黄做什么？

访问大黄文档。

Rhubarb 可以执行多种文档处理任务，例如

✅ 记录问答
✅ 流式传输文档聊天（问答）
✅ 文档总结

页面级别摘要
完整摘要
特定页面的摘要
流媒体摘要

✅ 结构化数据提取
✅ 命名实体识别（NER）

内置50个常用实体

✅ 使用内置实体进行 PII 识别
✅ 从文档中理解图形和图像

解释图表、图形和数字
进行表格推理（如图）

✅ 使用多模态嵌入模型进行矢量采样的文档分类
✅ 记录代币使用情况以帮助跟踪成本

Rhubarb 带有内置系统提示，可以轻松地将其用于许多不同的文档理解用例。您可以通过传入自己的系统提示来自定义 Rhubarb。它支持基于精确 JSON 模式的输出生成，这使得它可以轻松集成到下游应用程序中。

支持 PDF、TIFF、PNG、JPG 文件（即将支持 Word、Excel、PowerPoint、CSV、Webp、eml 文件）
在内部执行文档到图像的转换以使用多模式模型
适用于本地文件或存储在 S3 中的文件
支持指定多页文档的页码
支持基于聊天记录的文档聊天
支持流式和非流式模式

安装

首先使用pip安装 Rhubarb 。

pip install pyrhubarb

用法

创建boto3会话。

导入 boto3session = boto3.Session()

呼叫大黄

本地文件

从大黄导入 DocAnalysisda = DocAnalysis(file_path="./path/to/doc/doc.pdf",
                  boto3_session=session)resp = da.run(message="员工的名字是什么？")resp

使用 Amazon S3 中的文件

从大黄导入 DocAnalysisda = DocAnalysis(file_path="s3://path/to/doc/doc.pdf",
                  boto3_session=session)resp = da.run(message="员工的名字是什么？")resp

有关更多使用示例，请参阅食谱。