Sparrow 文档智能平台
结合机器学习和视觉大语言模型，从发票、报表和表格中提取结构化数据，并编排多步骤智能体工作流。
证据显示：仓库未提供任何权限管理、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的说明。所有信任相关标准均未得到满足，因此得分为0。
证据显示：README中提供了多个示例和输出，但未提供测试或验证结果，自一致性仅基于文档描述，得分为1。依赖可用性方面，列出了多个后端和依赖，但未提供版本锁定或完整性校验，得分为1。失败消息方面，未提供错误处理或失败消息的文档，得分为0。
证据显示：README明确了目标受众（企业文档智能）和多种使用场景（发票、表格、银行对账单等），得分为2。能力边界方面，描述了不同管道的用途，但未明确限制或边界，得分为1。触发精度方面，提供了CLI和API参数，但未详细说明触发条件，得分为1。环境适配方面，提供了多种平台和硬件的安装说明，得分为2。
证据显示：README结构清晰，包含目录、安装、示例等，信息架构良好，得分为2。安装说明详细，包括平台特定步骤，得分为2。命名稳定性方面，版本号在README中提及，但未提供变更日志，得分为1。示例和FAQ方面，提供了多个示例，但未提供FAQ，得分为2。已知限制方面，未提及任何限制，得分为0。许可证为GPL-3.0，得分为2。版本控制和变更日志方面，未提供CHANGELOG，得分为0。维护责任方面，未明确维护者或贡献指南，得分为1。
证据显示：输出为结构化JSON，可直接使用，得分为2。边际价值方面，提供了多种管道和功能，但未与现有方案对比，得分为2。成本效益方面，未提供性能基准或成本分析，得分为1。
证据显示：README中的声明未提供测试或基准数据支持，得分为1。跨来源验证方面，未提供其他来源的验证，得分为0。事实与推断分离方面，README中未明确区分事实和推断，得分为1。
- 仓库未提供任何安全或权限相关的文档，部署前需自行评估风险。
- 依赖未锁定版本，可能存在供应链风险。
- 未提供已知限制，可能隐藏潜在问题。
这个 Agent 能做什么，适合哪些场景？
Sparrow 是一个 API 优先的企业文档智能平台，提供结构化数据提取、指令处理和智能体工作流编排功能。它包含 Sparrow Parse（视觉大语言模型用于 JSON 提取）、Sparrow Instructor（文本大语言模型用于指令处理）和 Sparrow Agents（基于 Prefect 的多步骤流程编排）等核心组件。平台支持多种后端，包括 Apple Silicon 上的 MLX、NVIDIA 上的 vLLM、Ollama、Hugging Face 以及 Mistral OCR 云服务，且所有后端共用同一套 API。Sparrow UI 提供拖拽上传、实时处理和可视化监控的 Web 界面。许可证为 GPL-3.0，并提供商业双许可证选项。
Sparrow 通过 REST API 接收文档（PNG、JPG、多页 PDF）和 JSON 模式，调用视觉大语言模型（如 Qwen2.5-VL、Gemma 4）提取结构化数据，并输出带有效性验证的 JSON。它支持指令处理，如算术运算或文档问答，通过 Sparrow Instructor 管道实现。Sparrow Agents 编排多步骤工作流，例如医疗处方处理，支持通过 Prefect 进行可视监控。平台提供命令行工具（sparrow.sh）和 Python API（api.py），端点包括 /inference 和 /instruction-inference。它支持多种后端配置，包括 MLX、vLLM、Ollama 和 Mistral OCR，并提供提取提示（hints）以提高复杂文档的准确性。
- 财务团队自动化处理银行对账单，提取交易列表和账户摘要。
- 应付账款部门从发票中提取供应商、金额和税额，并验证字段完整性。
- 分析师从财务报表的多页 PDF 中提取表格数据，并保持页面级输出。
- 保险公司使用工作流智能体处理医疗处方，进行自动分类和提取。
- 开发人员通过 REST API 将文档提取集成到现有后端或数据管道中。
- 需要本地或云端 OCR 的团队，可用 Mistral OCR 作为后端进行无 GPU 部署。
这个 Agent 有哪些优点和局限？
- 支持多后端（MLX、vLLM、Ollama、Mistral OCR），可适配不同硬件环境。
- 提供插件式管道，可组合视觉语言模型、文本语言模型和智能体流程。
- 内置 JSON 模式验证和提取提示，提高准确性和可靠性。
- 包含 Web UI 和监控仪表盘，便于可视化操作和流程跟踪。
- 依赖特定版本的 Python（3.12.10+）和系统库（如 poppler），安装配置较繁琐。
- 需要本地 GPU（NVIDIA 或 Apple Silicon）才能达到理想性能，仅 CPU 环境速度较慢。
- GPL-3.0 许可证可能限制商业闭源使用，需购买商业许可证。
- 对大规模生产部署，文档中未提供完整的 Docker 或 Kubernetes 部署方案。
如何安装或部署这个 Agent？
先安装 Python 3.12.10（如通过 pyenv）。克隆仓库后，进入 sparrow/sparrow-ml/llm 目录，创建虚拟环境并安装依赖：pip install -r requirements_sparrow_parse.txt（macOS 上需确保 sparrow-parse[mlx] 引用存在，Linux/Windows 使用 sparrow-parse）。在 macOS 上需通过 brew install poppler 安装 poppler；Ubuntu/Debian 使用 sudo apt-get install poppler-utils。安装完成后，运行 python api.py 启动 API 服务器，默认端口 8002。
如何使用这个 Agent？
使用命令行工具 sparrow.sh，例如：./sparrow.sh '[{"instrument_name":"str", "valuation":0}]' --pipeline "sparrow-parse" --options mlx --options mlx-community/Qwen2.5-VL-72B-Instruct-4bit --file-path "data/bonds_table.png"。也可以直接调用 REST API：curl -X POST 'http://localhost:8002/api/v1/sparrow-llm/inference' -F 'query=[{"field_name":"str", "amount":0}]' -F 'pipeline=sparrow-parse' -F 'options=mlx,mlx-community/Qwen2.5-VL-72B-Instruct-4bit' -F '[email protected]'。对于指令处理，使用 /instruction-inference 端点。参考 README 中的示例和 API 文档（/api/v1/sparrow-llm/docs）进行更多操作。
这个 Agent 与同类方案有什么区别？
文档中未提及具体替代品，但根据功能推断，它可与 Azure Document Intelligence、Amazon Textract 等云文档提取服务竞争，但 Sparrow 强调本地部署和可插拔后端。