ParseHawk

<picture> <source media="(prefers-color-scheme: light)" srcset="https://raw.githubusercontent.com/parsehawk/parsehawk/main/apps/web/src/assets/logo.svg"> <img src="https://raw.githubusercontent.com/parsehawk/parsehawk/main/apps/web/src/assets/logo-dark.svg" alt="ParseHawk" width="420"> </picture> 로컬 기반 문서 AI를 사용하여 문서를 Markdown 또는 구조화된 JSON으로 변환합니다. 기본적으로 100% 로컬에서 실행되며, API, CLI, Web UI를 지원합니다. <a href="https://docs.parsehawk.com">개발자 문서 (Developer docs)</a> · <a href="https://docs.parsehawk.com/start-here/choose-installation/">시작하기 (Get started)</a> · <a href="https://docs.parsehawk.com/reference/api/">API 참고 자료 (API reference)</a> · <a href="#community">커뮤니티 (Community)</a> <a href="https://github.com/parsehawk/parsehawk/releases"><img src="https://img.shields.io/github/v/release/parsehawk/parsehawk?sort=semver" alt="최신 릴리스"></a> <a href="LICENSE"><img src="https://img.shields.io/badge/license-Apache%202.0-blue.svg" alt="라이선스: Apache 2.0"></a> <a href="pyproject.toml"><img src="https://img.shields.io/badge/python-3.11%20%7C%203.12-blue.svg" alt="Python 3.11 | 3.12"></a> <img src="https://img.shields.io/badge/platform-macOS%20%C2%B7%20Linux-lightgrey.svg" alt="플랫폼: macOS · Linux"> <a href="https://github.com/astral-sh/ruff"><img src="https://img.shields.io/endpoint?url=https://raw.githubusercontent.com/astral-sh/ruff/main/assets/badge/v2.json" alt="Ruff로 린트됨"></a> <a href="https://github.com/parsehawk/parsehawk/stargazers"><img src="https://img.shields.io/github/stars/parsehawk/parsehawk?style=social" alt="GitHub 스타"></a>

ParseHawk는 PDF와 이미지를 페이지별(page-aware) Markdown으로 파싱하며, PDF, 스캔본, 이미지, 텍스트, 그리고 Markdown을 검증된 JSON으로 변환합니다. 이 도구는 사용자가 파일, 모델, 인프라에 대한 통제권을 유지하면서 전체 콘텐츠를 보존하거나 엄격한 출력 계약(strict output contract)을 정의하려는 사설 문서 워크플로우를 위해 구축되었습니다.

기본 설정은 Linux NVIDIA 환경에서는 vLLM을 통한 NuExtract3로, macOS Apple Silicon 환경에서는 vLLM Metal을 통해 로컬에서 실행됩니다. 개별 추출기(extractor)와 파서(parser)는 대신 Ollama, OpenAI, Microsoft Foundry 또는 다른 OpenAI 호환 모델 서버를 사용할 수 있습니다.

제공 기능 (What You Get)

PDF, 스캔본, 이미지, 텍스트, Markdown으로부터 구조화된 추출(Structured extraction)
전체 문서 및 페이지별 결과가 가능한 문서-Markdown 파싱
JSON Schema Draft 2020-12를 사용한 사용자 정의 출력 계약 (Your own output contracts)
제로샷 지침(Zero-shot instructions) 및 선택적 퓨샷 예시(few-shot examples)
비동기 작업 기록과 함께 저장되는 검증된 JSON
기본적으로 로컬 파일, SQLite 상태, 모델 런타임, Phoenix 추적(Phoenix traces)
Web UI, CLI, 그리고 OpenAPI 3.1 REST API 전반에 걸친 단일 리소스 모델
추출기별 및 파서별 제공업체(provider)와 모델 선택 가능
macOS Apple Silicon과 Linux NVIDIA를 위한 지원되는 로컬 런타임

설치하려는 하드웨어 및 플랫폼별 설정은 여기에서 설치 경로 선택을 참조하세요.

빠른 시작 (Quickstart)

uv:를 사용하여 Git 체크아웃으로 설치합니다:

git clone https://github.com/parsehawk/parsehawk.git
cd parsehawk
uv tool install --editable .
...

그런 다음 다음 주소로 접속합니다:

Web UI: http://127.0.0.1:5173
REST API: http://127.0.0.1:8000
로컬 모델 추적 (Local model traces): http://127.0.0.1:6006

시드된 receipt 추출기를 통해 번들된 영수증 테스트(receipt fixture)를 실행합니다:

parsehawk extract tests/fixtures/receipt/receipt.jpg \
  --extractor receipt \
  --wait

예상되는 추출 값은 다음과 같습니다:

{
  "merchant_name": "PARSEHAWK COFFEE",
  "receipt_id": "R-1001",
...

또는 시드된 document-to-markdown 파서를 사용하여 문서를 구문 분석합니다:

parsehawk parse tests/fixtures/receipt/receipt.pdf \
  --wait \
  --output receipt.md

설치 상태를 확인하거나 스택을 중지하려면 다음 명령어를 사용하세요:

parsehawk doctor
parsehawk stop

가이드된 워크플로우의 경우 첫 문서 구문 분석하기 또는 첫 문서 추출하기를 사용하세요.

문서 (Documentation)

목표	가이드
엔드투엔드 워크플로우 학습	Document to Markdown · Extraction
...

개발 (Development)

기여자 설정, 아키텍처 경계, 테스트 명령어, 풀 리퀘스트 기대 사항 및 라이선스 약관은 CONTRIBUTING.md에 있습니다.

이 저장소는 생성된 참조 아티팩트(generated reference artifacts)를 사용합니다. 풀 리퀘스트를 열기 전에 전체 프로젝트 검사(complete project checks)를 실행하세요:

just check

커뮤니티 (Community)

기여는 언제나 환영합니다. 버그 수정, 문서 개선, 테스트 추가, 또는 기능 제안 등 어떤 방식으로든 ParseHawk를 더 좋게 만드는 데 도움을 주셔서 감사합니다.

모든 ParseHawk 기여자분들께 감사드립니다. 모든 이슈, 풀 리퀘스트(pull request), 리뷰, 버그 보고서, 문서 수정, 그리고 아이디어는 프로젝트를 전진시키는 데 도움이 됩니다.

크레딧 (Credits)

ParseHawk는 FastAPI, vLLM, vLLM Metal, NuExtract3, Pydantic, Astro Starlight를 포함하여 여러 훌륭한 오픈 소스 프로젝트들, 그리고 의존성 매니페스트(dependency manifests)에 나열된 다른 많은 프로젝트들에 기반하고 있습니다.

프로젝트 상태 (Project Status)

ParseHawk는 1.0 미만의 개발자 프리뷰 버전이며 시맨틱 버전 관리(Semantic Versioning)를 따릅니다. 프로덕션 통합을 업그레이드하기 전에 릴리스를 고정(Pin releases)하고 변경 사항을 검토하십시오. 버전 관리 정책을 참조하십시오.

ParseHawk는 오스트리아 빈에 위치한 Totoy GmbH에서 개발했으며 Apache License 2.0 하에 라이선스되었습니다. 엔터프라이즈 배포 또는 프라이빗 클라우드 지원이 필요한 경우, [email protected]로 문의하십시오.

ParseHawk: 로컬 기반 문서 AI로 문서를 Markdown 또는 구조화된 JSON으로 변환

요약

핵심 포인트