chrisryugj/kordoc

解决的问题

Kordoc 是一个高精度文档解析库和工具集，专为处理韩国政府文档（HWP、HWPX、PDF 等）的复杂格式而设计，可将其转换为结构化数据或 Markdown。它解决了将旧版韩国文字处理格式转换为 AI 就绪格式（如 Markdown）时，尤其是复杂表格的结构完整性丢失的问题，适用于 RAG（检索增强生成）管道。

如何工作

Kordoc 提供多格式解析器，支持 HWP 3.x/5.x、HWPX、HWPML、PDF 以及常见办公格式（XLS、XLSX、DOCX、PPTX）和图像格式（PNG、JPG、WebP）。它可作为 Node.js 库、命令行界面（CLI）或 MCP（模型上下文协议）服务器使用，使 Claude 或 Cursor 等 AI 代理能够直接解析和比较文档。

适用人群

• AI 工程师：需要以高结构准确性导入韩国政府文档以构建 RAG 系统的开发者。
• 开发者：需要自动化将 HWP/HWPX 文件转换为 Markdown 或 JSON 的用户。
• 行政人员：希望自动化韩国政府官方表格生成与填写的工作人员。

主要亮点

• 极高的表格准确性：基于内部基准测试，声称在 HWPX 文档中表格结构匹配率达到 100%。
• AI 代理集成：内置 MCP 服务器支持，可与 Claude Desktop 和 Cursor 等 AI 客户端无缝集成。
• RAG 优化：包含特定输出格式（如 GFM 管道表），以提升在 RAG 管道中的索引效果。
• 双向转换：不仅支持将文档解析为 Markdown，还支持使用官方文档预设从 Markdown 生成 HWPX 文件。
• 高性能 PDF 解析：在公开的 PDF 转 Markdown 基准测试（opendataloader-bench）中排名第一，得分为 0.960。