Show HN: ParseHawk – 100% 本地文档 AI，支持 API、CLI 和 Web UI
ParseHawk v0.1.0 已发布，这是一款采用 Apache-2.0 许可的 100% 本地文档 AI 平台，可从 PDF、图片等文件中提取 JSON 数据。它基于 NuMind 的 NuExtract3 构建，并通过受限解码强制遵循提供的 JSON 模式。该工具可在 Apple Silicon（预装 vllm-metal）以及 Linux + NVIDIA（搭配 vllm）上运行。
背景速读
- ParseHawk 是一个基于 Apache-2.0 开源协议发布的本地文档 AI 平台，可从 PDF、图片等文件中提取结构化 JSON 数据。它提供 API、命令行（CLI）和网页界面三种使用方式。
- 底层依赖 NuMind 的 NuExtract3 模型（一个专门优化文档信息提取的轻量级语言模型），并通过“约束解码”技术确保输出完全符合用户预定义的 JSON 格式（schema），而非仅靠模型自由生成。
- 当前版本（v0.1.0）可直接在 Apple Silicon 芯片的 Mac 上运行（配合预装的 vllm-metal 后端），也支持 Linux + NVIDIA GPU（使用 vllm 加速推理）。全部推理在本地完成，数据不外传，对隐私敏感场景有吸引力。
- 类似的开源工具还有 LlamaParse（LlamaIndex 出品）和 unstructured.io，但 ParseHawk 强调对输出格式的严格约束和全本地化部署。该项目还处于早期阶段。