AI 数据工具 全量目录

面向 LLM 与 AI 智能体的开源网络爬虫，支持结构化提取与浏览器自动化

开源、本地优先的认知记忆系统，实现 AGM 兼容的信念修正，在事实变化时自动重新评估下游信念，并以 SHA-256 哈希链保障数据完整性

确定性的 SQL 语义检查器，在执行前约 0.1 毫秒标出 AI 生成查询里静默出错的地方——重复计数、错误连接、泄露的 PII。可作为 CI 关卡、MCP 服务器或库使用。

Adaptive Recall 是一款面向 AI 应用的托管记忆系统，远不止简单的向量检索。它通过 MCP 或标准 REST API 为智能体和应用存储、检索并管理长期记忆，而且与静态嵌入库不同——它会主动学习。四种检索策略并行运行（向量相似度、时间近因、全文关键词、知识图谱遍历），系统会学习针对每类查询该优先用哪种。结果采用认知科学领域 30 年研究沉淀的 ACT-R 激活模型排序，综合近因、访问频率、实体关联与已验证置信度。系统会自动从记忆中抽取实体、构建知识图谱；记忆在基于置信度的生命周期中演进，久不访问便自然消退；ML 管线根据你的使用模式训练，并在每次参数变更前用真实查询历史做统计验证。八个工具的极简 API（store/recall/update/forget/graph/status/snapshot/feedback）覆盖全部能力，采用 Bearer Token 鉴权、JSON 进出。提供 Free、Starter、Pro、Business 多种套餐。

开源 RAG 框架（Apache 2.0），仅用商品级 LLM API 就在多跳 QA 基准上达到研究级 SOTA 水平——无 GPU、无训练、无图重建。

ParseHawk 是一套完全本地的文档 AI 处理工具集——数据从不离开你的机器。它内置 API 服务、CLI 与 Web UI，可解析 PDF、Markdown、纯文本、HTML 及常见办公格式，进行语义分块，并基于本地大模型对语料做问答与检索增强（RAG）。

面向检索增强生成的 Postgres 扩展，提供图检索、多路融合检索与 token 预算控制，可自托管。

清理一张乱糟糟的表格，不该需要懂公式。TamedTable 让你用大白话描述转换——"把电话号码规范化"——然后由一个 LLM 写出真正改动你数据的 spec。