Sparrow

基于 ML、LLM 和 Vision LLM 的结构化数据提取、指令调用与智能体工作流平台

Sparrow 是一个 API 优先的企业级文档智能平台。它将文档（发票、报表、表格）的精准结构化提取与工作流智能体（Agents）及决策智能体相结合。

🚀 在线体验 Sparrow | 📖 快速入门 | 🛠️ 安装指南 | 📚 示例 | 🤖 智能体

---

🌟 Sparrow

🚀 在线体验 Sparrow

由 ML、LLM 和 Vision LLM 驱动的生产级结构化数据提取平台。 轻松将发票、收据、报表、表单和图像转换为清晰的结构化数据。

Sparrow 是一个专为企业文档智能构建的 API 优先平台。它提供用于结构化数据提取、指令处理和多智能体工作流编排的 RESTful API —— 所有组件均可在您的基础设施上运行，无需外部 API 调用或云依赖。

平台功能：

• 结构化提取 API：通过 REST 提交文档并接收经过校验的 JSON —— 可直接集成到任何后端或数据管道中
• 指令处理：超越文档提取 —— 通过指令推理 API 进行文本处理、校验和决策制定
• 智能体框架：使用自定义智能体编排多步骤工作流，提供基于 Prefect 的可视化监控和强大的错误处理机制
• 可插拔管道：根据任务需求混合搭配 Vision LLM（Sparrow Parse）、Text LLM（Sparrow Instructor）和智能体管道
• 多后端支持：支持 Apple Silicon 上的 MLX、NVIDIA 上的 vLLM、Ollama、Hugging Face —— 所有后端拥有统一的 API 接口

Sparrow UI 功能

Web UI 在相同的 API 之上提供可视化交互界面：

• 拖拽上传：直接上传文档
• 实时处理：即时查看结果
• 数据查询：基于 JSON 模式（Schema）的数据查询
• 结构化输出：JSON 结构化数据
• 结果标注：查看边界框（Bounding boxes）

📑 目录

• ✨ 核心功能
• 🏗️ 架构
• 🚀 快速入门
• 🛠️ 安装指南
• 📚 示例
• 💻 CLI 使用
• 🌐 API 使用
• 🤖 Sparrow 智能体
• 📊 仪表盘
• 🔧 管道对比
• ⚡ 性能优化技巧
• 🔍 故障排除
• ⭐ 星标历史
• 📜 许可证

✨ 核心功能

🎯 通用文档处理：处理发票、收据、表单、银行对账单、表格等
🔧 可插拔架构：混合搭配不同管道（Sparrow Parse、Instructor、Agents）
🖥️ 多后端支持：MLX (Apple Silicon)、Ollama、vLLM、Docker、Hugging Face Cloud GPU
📱 多格式支持：图像 (PNG, JPG) 和多页 PDF
🎨 Schema 校验：基于 JSON Schema 的提取及自动校验
🌐 API 优先设计：便于集成的 RESTful API
💬 指令调用：使用 GPT-OSS、Mistral、Qwen 3.6 等进行文本处理、校验及决策
📊 可视化监控：内置仪表盘及智能体工作流追踪
🔒 企业就绪：支持速率限制、使用分析及商业许可
🚀 本地 Vision LLMs：Mistral, Qwen 3.6, DeepSeek OCR, dots.ocr, Gemma 4 等

🏗️ 架构

核心组件

组件	用途	应用场景
Sparrow ML LLM	主 API 引擎	文档处理管道
Sparrow Parse	Vision LLM 库	结构化 JSON 提取
Sparrow Agents	工作流编排	复杂的跨步骤处理
Sparrow OCR	文本识别	OCR 预处理
Sparrow UI	Web 界面	交互式文档处理

🚀 快速入门

前置要求