Ferrules 一个超快的文档解析工具

Ferrules 是一个超快的文档解析工具，主要目的是高效的生成 LLM 可用的文档。目前市面上很多文档解析工具都是基于 Python 开发的，性能相对较低。Ferrules 是使用 Rust 开发的，在性能上有很明显的优势。此项目处于积极开发中状态。

让 Ferrules 与众不同的关键特性：

• 🚀 为速度而生：使用 pdfium 进行原生 PDF 解析，具备硬件加速的机器学习推理功能

• 💪 适用于生产环境：零 Python 依赖！单二进制文件，易于部署，内置追踪功能。毫无麻烦！

• 🧠 智能处理：布局检测、OCR、文档元素的智能合并等等

• 🔄 多种输出格式：JSON、HTML 和 Markdown（非常 RAG 流水线）

一些很酷的技术细节：

• 在苹果 GPU 上运行布局检测

• 在 macOS 系统上使用苹果的视觉 API 进行高质量的 OCR

• 多线程处理

• 提供命令行界面（CLI）和 HTTP API 服务器，便于集成

• 调试模式带有可视化输出，能精确展示它是如何解析你的文档的

平台支持情况：

• macOS：全面支持，具备硬件加速和原生光学字符识别（OCR）功能

• Linux：支持原生 PDF 的整个处理流程（对扫描文档的支持即将推出）

如果你正在构建 RAG 系统，并且厌倦了与基于 Python 的解析器作斗争，那就试试它吧！它在 macOS 系统上尤其强大，因为它利用了原生 API 以实现最佳性能。

Github 仓库：https://github.com/aminediro/ferrules

Rust 项目将再次参与 2025 年谷歌编程之夏

Rust 语言官方博客宣布 Rust 项目将再次参与 2025 年谷歌编程之夏（Google Summer of Code，GSoC ）。

1. GSoC 项目简介：GSoC 是谷歌组织的年度全球计划，旨在吸引新成员参与开源项目，将开源组织（如 Rust 项目）与参与者（通常是学生）配对，在经验丰富的导师指导下进行有意义的开源贡献。
2. 参与流程
   • 项目讨论：已获参与资格的组织已公布，GSoC 申请人有几周时间与导师讨论项目想法，可在 #gsoc Zulip 频道交流、找导师，Rust 项目也准备了项目想法列表和提案指南。
   • 提交提案：项目提案申请期为 2025 年 3 月 24 日开始，至 4 月 8 日 18:00 UTC 结束，需在 GSoC 仪表板提交，逾期不候。申请人可参考 Rust 项目提供的想法，也可自行构思。
3. 参与意义与展望：Rust 项目鼓励对其感兴趣者提交 GSoC 项目提案，非 GSoC 参与者也可参与项目讨论推进。Rust 项目去年首次参与 GSoC 取得成功，今年期望参与者提升技能，吸引新贡献者，提高 Rust 语言知名度，后续还会发布参与进展的博客文章。

原文地址：https://blog.rust-lang.org/2025/03/03/Rust-participates-in-GSoC-2025.html

Pueue 4.0.0 发布

Pueue 是一个命令行任务管理工具，用于顺序和并行执行长时间运行的任务。Pueue v4.0.0 版本于 2025 年 3 月 9 日发布，此版本对库和可执行文件代码进行大量重构，重写协议，虽完全打破向后兼容性，但带来诸多改进。

1. 核心改进
   • 移除内部通道通信：此前，影响子进程（任务）的客户端命令经mpsc通道处理，导致执行延迟。新版本直接在客户端消息处理程序中操作子进程状态，解决延迟问题，使 start 、 stop 、 pause 等命令在任务实际状态变更时才返回 。
   • 全新编辑方式：旧版任务编辑繁琐，一次只能编辑单个任务且需多次打开编辑器。新版提供两种便捷的多任务编辑方式。文件模式为每个任务创建临时目录和属性文件，适合有文件树的编辑器；TOML 模式将待编辑任务序列化为单个 TOML 文件，默认启用，方便编辑简单任务，但对复杂命令需注意 TOML 格式和字符转义。
   • 运行时不变量优化：引入新的任务状态表示，使用 Rust 的结构体枚举在编译时通过类型系统强制实施不变量，修复了与时间相关的不一致问题，但与旧状态不兼容，更新前需确保队列无重要任务，且需重新创建任务组。

Github 仓库：https://github.com/Nukesor/pueue

4.0.0 发布说明：https://github.com/Nukesor/pueue/releases/tag/v4.0.0

--

From 日报小组 Yuan YQ

社区学习交流平台订阅：

• Rustcc 论坛: 支持 RSS
• 微信公众号：Rust语言中文社区