Was macht ragflow?
Komponenten zur Tiefen-Layout-Dokumentenanalyse, die strukturell genaue Datentabellen aus unstrukturierten Papieren extrahieren.
Komponenten zur Tiefen-Layout-Dokumentenanalyse, die strukturell genaue Datentabellen aus unstrukturierten Papieren extrahieren.
Die `infiniflow/ragflow`-Fähigkeit bietet leistungsstarke Komponenten für die tiefgehende Layoutanalyse von Dokumenten. Sie ist speziell darauf ausgelegt, strukturiert genaue Datentabellen aus unstrukturierten wissenschaftlichen Papieren und PDFs zu extrahieren. Dies ist besonders nützlich für Retrieval-Augmented Generation (RAG)-Systeme und KI-Agenten, die zuverlässige, tabellarische Daten aus komplexen Layouts benötigen. Die Integration erfolgt schnell in gängige KI-Agenten-Plattformen wie Claude Code, Cursor und Codex, indem sie klare, maschinenlesbare Markdown-Tabellen aus ursprünglich unstrukturierten Dokumenten liefert. Damit eignet sich die Fähigkeit ideal für Workflows im Wissensmanagement, in der Forschungsanalyse und in der automatisierten Datenextraktion.
npx skills add infiniflow/ragflowInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Komponenten zur Tiefen-Layout-Dokumentenanalyse, die strukturell genaue Datentabellen aus unstrukturierten Papieren extrahieren.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.