数据获取：构建大模型应用的数据基石
文档解析：从非结构化文本中提取价值
文档解析工具能够将PDF、图片、扫描件等非结构化或半结构化文档转换为机器可读的格式（如Markdown、JSON），并提取其中的文本、表格、布局等信息，是构建知识库的重要环节。
网页抓取：从互联网获取动态数据
网页抓取工具用于从互联网上自动收集信息，对于构建需要实时或广泛网络数据的大模型应用至关重要，例如获取新闻、论坛讨论、产品信息等。
开源的AI原生网络爬虫工具，能够抓取网站的所有可访问子页面，将抓取的网页内容直接转换为对LLM友好的Markdown格式。
应用场景：RAG知识库构建、市场调研与竞品分析、个性化内容生成
应用场景：RAG知识库构建、市场调研与竞品分析、个性化内容生成
用Python编写的快速、高级的开源网络爬虫框架，提供一整套工具和API，支持异步处理，能够应对大规模数据抓取任务。
应用场景：大规模数据采集、搜索引擎数据索引、舆情监控系统
应用场景：大规模数据采集、搜索引擎数据索引、舆情监控系统
向量化与重排：提升模型理解与检索效率
向量化与重排是构建RAG系统和语义搜索应用的核心组件。向量化是将文本等数据转换为稠密向量表示的过程，使得计算机能够理解其语义信息。重排则是在初步检索后，对结果进行更精细的排序，以提高最终答案的质量。
基于Qwen3基础模型训练的文本嵌入模型系列，专为文本表征、语义检索与排序任务设计，充分继承了Qwen3在多语言文本理解方面的优势。
应用场景：语义搜索、RAG应用、文本聚类与分类、推荐系统
应用场景：语义搜索、RAG应用、文本聚类与分类、推荐系统
开发框架：加速大模型应用构建
AI开发框架提供了一系列工具、库和抽象，旨在简化基于大语言模型的应用程序的开发过程。它们帮助开发者管理Prompt、链接不同组件、与外部数据源交互、实现记忆功能等，从而能够更快速地构建出功能强大的AI应用。
主流AI开发框架
开源框架，专为构建基于语言模型的应用程序而设计。包含LangGraph、LangSmith等扩展工具，为AI应用开发提供从构建到落地的完整支持。
应用场景：聊天机器人与个人助手、问答系统、代码分析与生成、数据增强型应用
应用场景：聊天机器人与个人助手、问答系统、代码分析与生成、数据增强型应用
模型微调工具
LLaMA-Factory
LLaMA-Factory模型训练工厂
易于使用且高效的开源大型语言模型微调框架，支持多种预训练模型和微调算法，提供Web UI界面。
应用场景：定制化行业模型、多模型实验与评估、低代码/无代码模型训练
应用场景：定制化行业模型、多模型实验与评估、低代码/无代码模型训练
智能体与工作流平台：低代码构建AI应用
智能体和工作流平台旨在通过低代码或无代码的方式，让开发者甚至非技术人员也能快速构建、编排和部署AI应用。它们通常提供可视化的界面，将复杂的AI逻辑分解为可配置的节点和流程。
新一代的AI Bot智能体开发平台，允许用户通过简单的拖拽和配置，快速搭建具有聊天、问答、工具调用、工作流执行等能力的AI智能体。
应用场景：快速创建多功能聊天机器人、自动化业务流程、教育与娱乐应用
应用场景：快速创建多功能聊天机器人、自动化业务流程、教育与娱乐应用
开源的LLMOps平台，旨在简化AI应用的开发、部署和管理。提供Prompt工程、可视化应用编排、数据集管理、模型集成、API发布等完整工具集。
应用场景：AI应用原型快速验证、企业内部AI能力建设、Prompt工程与优化
应用场景：AI应用原型快速验证、企业内部AI能力建设、Prompt工程与优化
模型服务资源平台
资源服务平台通常指云服务提供商提供的AI平台或模型即服务（MaaS）平台。它们为开发者提供了从模型选择、训练、微调到部署、推理和应用托管的一站式服务，降低了AI应用落地的基础设施门槛和运维复杂度。
大模型：驱动应用的核心引擎
大模型是当前AI浪潮的核心驱动力，它们是经过海量数据预训练的深度学习模型，具备强大的自然语言理解、生成、推理以及多模态处理能力。选择合适的大模型是开发AI应用的基础。
持续探索与学习
本页面所推荐的工具和平台仅代表各个技术领域中的一小部分优秀选择。AI技术生态系统正在快速发展，每天都有新的工具、框架和服务涌现。
我们鼓励您：
- 积极探索和尝试更多的开源项目和商业服务
- 关注AI技术社区的最新动态和趋势
- 参与开源项目的贡献和讨论
- 根据具体项目需求选择最适合的技术栈组合
保持学习的热情和开放的心态，是在快速变化的AI领域中保持竞争力的关键。