AIKraft/AI/Войти
AIKraft/Skills/kreuzberg

kreuzberg

Извлекает текст, таблицы, метаданные и изображения из 91+ форматов документов (PDF, Office, изображения, HTML, email, архивы, научные работы) с помощью Kreuzberg. Применяется при написании кода на Python, Node.js/TypeScript, Rust или CLI для установки, извлечения (синхронно/асинхронно), настройки (OCR, чанкинг, формат вывода), пакетной обработки, обработки ошибок и плагинов.

XIXberg.io official Разработка ★ 9.4k

Что делает навык

Kreuzberg — это библиотека для извлечения текста, таблиц, метаданных и изображений из 91+ форматов документов (PDF, Office, изображения, HTML, email, архивы, научные работы) с поддержкой OCR. Она обеспечивает высокую производительность благодаря ядру на Rust и предоставляет синхронные/асинхронные API для Python, Node.js/TypeScript, Rust и CLI.

Когда применять

  • Извлечение текста и метаданных из документов различных форматов.
  • Проведение OCR для отсканированных документов или изображений.
  • Пакетная обработка нескольких файлов одновременно.
  • Настройка параметров извлечения: формат вывода, чанкинг, языки.
  • Реализация кастомных плагинов (пост-процессоры, валидаторы, бэкенды OCR).

Как работает

  1. Установить библиотеку через pip (Python), npm (Node.js), Cargo (Rust) или CLI.
  2. Импортировать функции извлечения (например, extract_file или extractFile) и опционально создать объект конфигурации (ExtractionConfig).
  3. Настроить параметры в конфигурации: бэкенд OCR (Tesseract, EasyOCR, PaddleOCR), языки, чанкинг, форматы вывода.
  4. Вызвать функцию извлечения для одного файла или пакетную функцию для списка файлов.
  5. Обработать результат, содержащий текст, таблицы, метаданные и другие элементы, или перехватить ошибки (ParsingError, OCRError и др.).

Примеры запросов агенту

Напиши код на Python для асинхронного извлечения текста и таблиц из PDF-файла с помощью Kreuzberg.
Создай скрипт на Node.js для пакетной обработки нескольких DOCX-файлов с включенным OCR на языке Tesseract.
Реализуй на Rust извлечение текста из изображения с принудительным OCR и настройкой чанкинга через ExtractionConfig.

Что понадобится

  • Установленная среда выполнения (Python, Node.js, Rust) и зависимости библиотеки.
  • Для OCR: Tesseract (по умолчанию встроен), EasyOCR (Python, опционально) или PaddleOCR (Python, опционально).
  • Для пакетной обработки и синхронного извлечения в Rust: фича tokio-runtime в Cargo.toml.

Описание составлено по SKILL.md навыка, сверено 09.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «kreuzberg» из репозитория: # https://github.com/xberg-io/xberg
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r kreuzberg/ ~/.claude/skills/kreuzberg/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.