韩、字与电脑(030520)23日表示,其PDF数据提取开源项目“OpenDataLoader PDF v2.0”于20日在全球最大开源开发平台GitHub上,在全部开发语言范围内登上趋势榜第一,并获得趋势徽章。
GitHub趋势榜是实时统计全球开发者当前最关注的开源项目的指标。OpenDataLoader PDF v2.0在21日一天内新增GitHub星标超过1800个,累计星标达7000个,Fork数(将开源仓库复制到自己账户并独立使用)突破500个。
这一成绩远超一般开源项目的增长速度,被评价为获得了全球头部热门项目级别的反响。GitHub星标数是开发者对项目实用性与完成度进行评价后给出的指标,被用作衡量该技术在全球开发者社区中知名度与可信度的标尺。
OpenDataLoader PDF是将结构复杂的PDF文档拆解为文本、表格、图像等,转换为人工智能(AI)可直接处理形式的技术。PDF是全球AI训练中应用最广泛的文档格式,但内部结构复杂、数据提取困难,一直被视为AI开发过程中的主要瓶颈。Hancom去年7月与全球PDF技术专业企业Dual Lab签署业务合作协议(MOU)并启动共同开发,同年9月公开初期版本,并于12日推出v2.0。
v2.0采用结合AI方式与直接提取方式的混合引擎,无需向外部服务器传输,可在本地环境运行。基本提供光学字符识别(OCR)、表格提取、公式提取、图表分析等4种AI插件,并实现了与Docling等其他公司开源AI模型的技术兼容性。在自主基准测试中,其在阅读顺序、表格、标题提取等全部项目上均录得同类开源方案中的最高准确率,位居第一;测试数据与复现代码已公开至GitHub官方仓库,提升了结果的透明度。
OpenDataLoader PDF去年已完成在全球AI开发框架LangChain的官方组件注册。2026年将扩大与LangFlow、LlamaIndex、Gemini CLI等主要AI框架的联动,并正在准备支持AI代理的MCP(Model Context Protocol)功能。此外,本次v2.0采用可自由商用的Apache 2.0许可证,降低了企业与开发者的引入门槛。
Hancom代表金莲洙表示:“此次成绩是Hancom文档数据提取技术的完成度与实用性在全球开发者社区获得直接验证的结果,也确认了通过多样化应用扩展技术生态的可能性。”他还表示:“将通过转向Apache 2.0许可证,把它发展为全球企业和开发者可自由使用与扩展的开放式PDF数据平台。”






