chrisryugj/kordoc

何を解決するか

Kordoc は、韓国政府文書（HWP、HWPX、PDFなど）の複雑なフォーマットを処理し、構造化データまたは Markdown に変換する高精度のドキュメントパーサーライブラリおよびツールセットです。RAG（Retrieval-Augmented Generation）パイプラインに使用するための AI 向けフォーマット（例：Markdown）に変換する際、特に複雑な表の構造が失われる問題を解決します。

動作方法

Kordoc は、HWP 3.x/5.x、HWPX、HWPML、PDF、および一般的なオフィス形式（XLS、XLSX、DOCX、PPTX）と画像形式（PNG、JPG、WebP）をサポートするマルチフォーマットパーサーを提供します。Node.js ライブラリ、コマンドラインインターフェース（CLI）、または MCP（Model Context Protocol）サーバーとして使用でき、Claude や Cursor などの AI エージェントがドキュメントを直接解析・比較できるようにします。

対象ユーザー

• AI エンジニア：韓国政府文書を高い構造的正確性で取り込む必要がある RAG システムの構築に従事する方。
• 開発者：HWP/HWPX ファイルを Markdown や JSON に自動変換したい方。
• 事務スタッフ：韓国政府の公式書類の自動生成や記入を希望する方。

主な特徴

• 極めて高い表の正確性：内部ベンチマークに基づき、HWPX ドキュメントの表で100%の構造一致を達成すると主張しています。
• AI エージェントとの統合：Claude Desktop や Cursor などの AI クライアントとのシームレスな統合を可能にする、組み込みの MCP サーバーをサポート。
• RAG最適化：RAG パイプラインでのインデックス化を改善するための特定の出力形式（例：GFM パイプ表）を含みます。
• 双方向変換：Markdown へのパースだけでなく、公式ドキュメントプレセットを使用して Markdown から HWPX ファイルを生成することも可能。
• 高性能 PDF パース：公開された PDF から Markdown への変換ベンチマーク（opendataloader-bench）で1位を獲得し、スコア0.960を記録。