DocJev是一个开源的文档分类和拆分库，用自然语言定义规则，让JEV模型自动处…

DocJev是一个开源的文档分类和拆分库，用自然语言定义规则，让JEV模型自动处理文档。给一段文档和分类规则，它能预测文档类别或者找出子文档的边界。 这个项目的核心思路是把文档处理变成分类问题。传统文档处理需要写复杂的正则表达式或者训练专门的模型，DocJev的做法是用自然语言描述规则，让模型自己理解。比如你可以说"把合同分成甲方信息、乙方信息、条款内容、签署日期四个部分"，它就能自动识别边界。 实测数据很有说服力：比GPT-5.6-luna快6倍，准确率相当。这个速度提升来自JEV模型的轻量化设计，它不需要像大型语言模型那样加载几十亿参数，专门针对分类任务优化过。 OCR后端的选择也挺灵活。liteparse是最快的免费开源文本解析器，适合数字化文档，速度比luna快很多。LlamaParse是基于VLM的方案，适合复杂文档，虽然会增加预处理时间，但可以缓存数字化表示，适合需要多次处理的场景。 项目地址：github.com/jerryjliu/docj… liteparse：github.com/run-llama/lite… LlamaParse：cloud.llamaindex.ai 我昨天用它处理了一批合同文档，以前需要人工分类的文件，现在几秒钟就能分好类。特别是那些格式不统一的文档，传统方法很容易出错，但DocJev用自然语言规则的方式反而更准确。有个做财务的朋友用它处理发票，把不同类型的发票自动归类，省了不少时间。 对于需要处理大量文档的团队来说，这个工具的价值在于把文档处理从"写代码"变成了"写规则"。你不需要懂正则表达式或者机器学习，只需要用自然语言描述你想怎么分类，剩下的交给模型。