推荐一些经典和实用的开源项目
pdf2htmlEX：PDF到HTML的无损转换技术
pdf2htmlEX通过分析 PDF文件的内容并使用HTML + CSS 精确还原其视觉效果, 将PDF文档转换为浏览器中可直接查看的网页。
这个始于9年前的项目，虽然近几年已经没有更新迭代，但是它的PDF -> HTML无损转换技术，对LLM应用中的PDF解析、PDF在线预览引用等，都有很好的启发。
pdf2htmlEX结合视觉语言模型，提升了对 PDF 的解析。项目中使用poppler解析PDF，对于扫描类或图文混排复杂的PDF会很吃力；但结合视觉语言模型，或MinerU类的AI综合方案，解析能力会有很大加强！
pdf2htmlEX的无损转换技术的新用途
PDF的优势是显示和打印等一致性，而HTML的优势是在电脑、手机等不同屏幕间的适应性。
这个项目从PDF解析到HTML/CSS的转换逻辑，很值得被参考；比如它能够用到Chat PDF类AI应用中，在线预览PDF、对PDF做标注高亮、对应段落选择编辑等！
ml-ferret
ml-ferret是由苹果公司开源的一个图像深度学习模型，如果你对图片中的某些区域不了解，只需要将不熟悉的区域进行标记，该模型会将该区域的识别结果进行反馈。具体使用如下图所示。
scikit-learn
Scikit-learn是一个使用Python语言开发的机器学习开源工具，它基于Scipy、Numpy、Matplotlib和Pandas等开源库构建而成；它的内部主要有6大模块组成，分别是：回归、分类、降维、模型选择、聚类和预处理。
如果你想学习机器学习，scikit-learn很适合你，它的API设计很好，对象接口简单。
Llama.cpp是一款基于Meta公司LLaMA模型的接口而开发，作者的目的是能够以最少的硬件和最先进的性能在本地和云端实现LLM推理。
openpilot
openpilot是一款机器人操作系统，作者亲自使用自己的丰田汽车做了测试，效果还不错的。到现在为止，已有超过275款汽车使用openpilot升级了辅助驾驶系统。