yolow92 /
pagesift
PageSift 是用 Rust 开发的内容提取引擎，能把网页、PDF 与 Office 文档清洗成结构化的 Markdown 或 JSON，直接喂给 AI Agent 和 RAG 流水线。它兼容 Firecrawl、Jina Reader 的接口并内置 MCP 服务，单二进制就能自托管，适合做爬虫数据提取、知识库构建和文档问答的入门实践。 亮点 作者自荐：PDF 转 Markdown 比 pypdf 快约 22 倍；2 亿任务量级运行…
关于
PageSift 是用 Rust 开发的内容提取引擎，能把网页、PDF 与 Office 文档清洗成结构化的 Markdown 或 JSON，直接喂给 AI Agent 和 RAG 流水线。它兼容 Firecrawl、Jina Reader 的接口并内置 MCP 服务，单二进制就能自托管，适合做爬虫数据提取、知识库构建和文档问答的入门实践。 亮点 作者自荐：PDF 转 Markdown 比 pypdf 快约 22 倍；2 亿任务量级运行内存峰值 888 MiB；支持 Python/Node SDK 与 CLI；AGPL-3.0 开源（另有商业授权）；约 175 个 GitHub star，持续活跃更新（当前 0.81.x）。
收录记录
- HelloGitHub·用户投稿
- 阮一峰周刊·用户投稿
讨论这个产品