Cernodata 开源：面向 RAG 与 LLM 微调的 PDF ETL 提取框架

Cernodata 是一个开源 ETL 框架，用于 layout-aware PDF 提取、自动化质量迭代、结构化布局调试，以及为 RAG 和 LLM 微调生成数据集。框架可自动选择解析引擎，通过可见的质量检查、检索分数和可视化 overlay 定位失败页与原因，并支持并发上限与硬内存上限等资源保护。当前仓库中的代码为 Proof of Concept，正式库尚未发布，用户可加入 waitlist。