Zipstack/unstract

LLM-Driven Extraction of Unstructured Data — Built for API Deployments & ETL Pipeline Workflows

What it solves

Unstract 自動化將 PDF、影像、掃描檔等非結構化文件轉換為結構化 JSON 資料的流程。它取代了為每個不同文件供應商編寫複雜正規表達式或自訂模板的需求，讓使用者能以自然語言提示定義抽取 schema。

How it works

平台使用大型語言模型（LLM）解析文件。使用者透過「Prompt Studio」定義想抽取的內容，系統會將檔案送入文字抽取器（如 LLMWhisperer 或 Unstructured.io）與 LLM 供應商（如 OpenAI、Anthropic、Ollama）的管線處理。產生的結構化資料可部署為 REST API，或整合至 ETL 管線，將資料從 S3、Google Drive 等來源搬入 Snowflake、BigQuery 等資料倉儲。

Who it’s for

此平台適用於金融、保險、醫療保健、KYC/合規等資料密集型產業的團隊，需從各式文件格式中抽取特定資訊。

Highlights

  • Prompt Studio：使用自然語言而非程式碼定義抽取 schema。
  • Multi-Provider Support：相容多種 LLM 供應商（OpenAI、Anthropic、Bedrock、Gemini、Mistral、Ollama）與向量資料庫（Qdrant、Pinecone、Weaviate）。
  • Extensible Integration：提供 AI 代理的 MCP 伺服器、n8n 節點自動化工作流，以及豐富的 ETL 連接器。
  • Broad Format Support：支援 PDF、DOCX、試算表、簡報及各種影像格式。
  • Enterprise Features：提供雙 LLM 驗證（LLMChallenge）、人工審核流程，並在受管版中符合 SOC 2/HIPAA 規範。