Unifiles

LLM 应用层的文档处理基础设施

Unifiles 是一个自托管的文档处理平台，为 AI 应用提供文件存储、内容提取和知识库管理的完整解决方案。

当前交付范围

当前公开仓库与 0.1 自部署 Server 是文档的实现基线。文中 SaaS、控制台、托管 OCR 和生产套餐示例只有在对应外部服务实际部署时才适用；本仓库不随代码发布这些服务。

为什么选择 Unifiles？

• 三层解耦架构

  ---

  文件存储、内容提取、知识库管理完全解耦，灵活组合满足不同场景需求

  了解架构

• Markdown 即真相

  ---

  统一的 Markdown 输出格式，消除格式碎片化，简化下游处理逻辑

  了解更多

• 简洁的 API

  ---

  类 Stripe 的命名空间化 SDK 设计，几行代码完成复杂的文档处理流程

  查看 API

• 完全自托管

  ---

  数据完全由你控制，支持 Python 包和 Docker Compose 单机部署

  部署指南

快速体验

from unifiles import UnifilesClient

client = UnifilesClient(api_key="<api-key>")

# 上传文件
file = client.files.upload("contract.pdf")

# 提取内容
extraction = client.extractions.create(file_id=file.id)
extraction.wait()
print(extraction.markdown)  # Markdown 格式的内容

# 创建知识库并搜索
kb = client.knowledge_bases.create(name="contracts")
client.knowledge_bases.documents.create(kb_id=kb.id, file_id=file.id)

results = client.knowledge_bases.search(
    kb_id=kb.id,
    query="违约条款"
)

完整快速开始指南

核心功能

0.1 自部署实现

当前可运行 Server 使用 SQLite 与本地文件存储，客户端契约保持不变。文档中涉及 PostgreSQL、Redis、MinIO 和独立 Worker 的内容描述的是后续可替换的生产适配层。

Layer 1: 文件存储

安全存储各种格式的文档，支持去重、元数据和标签管理。

file = client.files.upload(
    "document.pdf",
    metadata={"project": "Q4-review"},
    tags=["finance", "quarterly"]
)

Layer 2: 内容提取

将 PDF、Word、Excel 等格式转换为结构化的 Markdown。

extraction = client.extractions.create(
    file_id=file.id,
    mode="advanced",  # 高精度 OCR
    options={"extract_tables": True}
)

Layer 3: 知识库

构建向量知识库，支持语义搜索和混合搜索。

results = client.knowledge_bases.hybrid_search(
    kb_id=kb.id,
    query="关键条款",
    top_k=10,
    vector_weight=0.7,
    keyword_weight=0.3,
)

集成生态

• LangChain

  ---

  原生 Retriever 和 Loader 支持，无缝集成 RAG 流程

  LangChain 集成

• Webhooks

  ---

  事件驱动的处理通知，构建响应式应用

  Webhook 指南

文档导航

我想要...	去这里
快速了解 Unifiles	快速开始
理解核心概念	了解 Unifiles
学习 API 使用	使用 API
参考代码示例	Cookbook
查找 API 细节	API 参考
部署到生产	自部署指南

获取帮助

• GitHub Issues - 报告问题
• GitHub Discussions - 社区讨论
• 故障排除 - 常见问题解决

开源协议

Unifiles 采用 Apache 2.0 开源协议。