国外 / 开源 · AI办公工具 / AI编程工具 / AI智能体工具 / AI开源框架

Kreuzberg是什么？Kreuzberg使用教程与AI工具介绍

Kreuzberg 是以 Rust 为核心的开源文档智能库，可从多种文件中提取文本、表格、元数据与图片，并组合 OCR、分块、嵌入和后处理用于 RAG。

Kreuzberg原创介绍

Kreuzberg 面向希望用统一接口处理多种企业文件、又重视本地性能与多语言绑定的开发团队。官方文档列出 91 种以上格式、12 种语言绑定，以及 Tesseract、PaddleOCR、EasyOCR 等 OCR 选择；它还能输出文本、Markdown、HTML 或结构化 JSON，并通过 MCP 供智能体调用。实际质量仍取决于文档类型、OCR 引擎、语言和配置。

Kreuzberg主要功能

从 PDF、Office、邮件、网页、图片等多类文件提取内容与元数据
通过 Rust 核心向 Python、TypeScript、Go、Java等多种语言提供绑定
按需要使用 Tesseract、PaddleOCR 或 EasyOCR，并配置质量回退
输出纯文本、Markdown、Djot、HTML 或结构化 JSON
内置分块与本地向量嵌入入口，服务 RAG 数据准备
提供 CLI、API 与 MCP 集成方式

Kreuzberg适合哪些人

企业知识库团队RAG平台开发者多语言后端团队需要本地OCR的机构智能体工具开发者

Kreuzberg典型使用场景

统一解析共享盘中的 PDF、Office 和邮件附件
在内网把文档转换成可索引文本和表格
为不同语言服务复用同一个文档解析核心
通过 MCP 让 Agent 按需提取本地文件
建立带页码和元数据的 RAG 入库管线

优点

Rust 核心与多语言绑定适合跨技术栈复用
可本地组合解析、OCR、分块和嵌入，数据边界更易控制
输出格式和使用入口丰富，既能做批处理也能接 Agent

注意事项

官方项目演进较快，版本、仓库与迁移说明需在升级前核对
支持格式多不代表每种复杂版式都准确，必须用真实样本评测
OCR 引擎和可选依赖会增加镜像体积、系统库与部署复杂度
本地处理仍需设计恶意文件隔离、资源限额和解析超时

Kreuzberg简明使用教程

按业务文档类型分层准备脱敏样本，并标注正文、表格和元数据真值。
选择当前官方推荐版本和语言绑定，在隔离环境安装核心包与需要的 OCR 依赖。
先用默认配置导出 JSON，检查内容、页码、表格和错误信息。
只对扫描件启用 OCR，并分别比较 Tesseract、PaddleOCR 或其他引擎的中文效果。
为 RAG 保留来源、页码、标题和权限字段，再配置分块与嵌入。
上线前增加文件类型白名单、大小限制、超时、缓存、版本锁定和回归集。

Kreuzberg深度教程

企业文档解析的难点不是支持多少扩展名，而是同一格式内部差异极大。建议按原生文本 PDF、扫描 PDF、复杂表格、Office、邮件分别建立回归集，记录文本覆盖率、表格单元格准确率、耗时与内存。

MCP 可以降低 Agent 调用解析器的接入成本，但不应让模型任意读取文件系统。服务端应限定可访问目录、文件类型、大小和租户，并记录每次工具调用与来源。

Kreuzberg和同类工具怎么选

Kreuzberg vs Unstructured

Kreuzberg 强调本地高性能库、多语言绑定和统一提取；Unstructured 同时提供成熟的托管工作流、连接器、分块与企业数据管线。前者更适合嵌入自有服务，后者更适合端到端摄取。

Kreuzberg vs Docling

两者都可本地处理并服务 RAG。Docling 聚焦文档结构与模型生态；Kreuzberg 覆盖更多语言绑定、OCR 选择和通用格式。应使用相同文件比较表格、阅读顺序和资源占用。

Kreuzberg vs Zerox

Kreuzberg 可使用传统 OCR 和本地解析组件；Zerox 主要把页面交给视觉模型理解。对敏感批量文档可先测 Kreuzberg，对变化大的票据版式可增加 Zerox 作为候选或回退。

Kreuzberg常见问题

Kreuzberg 能在本地运行吗？

可以，核心定位就是可嵌入的文档智能库；不同格式和 OCR 引擎可能需要额外依赖，应按官方安装文档准备环境。

它能直接替代向量数据库吗？

不能。它负责解析、分块和可选嵌入等数据准备，向量存储、权限过滤、召回、重排和答案生成仍是独立环节。

支持 MCP 是否意味着可以安全读取所有文件？

不意味着。MCP 只是调用协议，目录沙箱、租户隔离、文件白名单、审批和审计仍需由部署方实现。

Kreuzberg教程与资料引用

下面资料用于继续学习和核对工具功能，建议以官方说明为准。

深入学习Kreuzberg

需要评测 Kreuzberg、Unstructured、Docling 与视觉 OCR 在企业知识库中的准确率、成本和私有部署方案，可联系 QQ：1732839641。

联系咨询