Parsee AI 是一个面向非结构化文档的数据抽取和结构化框架，由 SimFin 相关团队开源。它主要处理 PDF、HTML、图片等常见文档来源，尤其强调金融领域常见的表格、数字、字段和多模态查询。项目支持用 LLM 做抽取，也支持自定义模型和模板化抽取，不把能力限定在大模型上。这个定位很重要：金融文档里最难的往往不是“总结一段话”，而是把财报、发票、账单、对账单、披露文件里的金额、币种、日期、表格行列、公司名称准确变成结构化数据。

Parsee 的设计思路更接近“金融文档工程底座”。它让使用者先定义要抽取的字段、输出类型、候选列表或元信息，然后让模型或抽取器基于模板执行任务。相比直接把 PDF 丢给大模型问答，这种方式更适合金融业务，因为金融场景需要字段稳定、口径明确、可复核和可批量处理。

• 面向金融文档的结构化抽取，特别关注表格、数字、币种、实体和 HTML/PDF 内容。
• 支持 LLM，也支持非 LLM 的定制模型，适合比较“高灵活度”和“低成本高稳定性”两条路线。
• 可通过模板定义抽取目标，适合形成可复用的票据、合同、财报、披露文件解析流程。
• 支持多模态模型处理图片和扫描件，为发票、账单、银行流水等场景提供扩展空间。

这个项目最适合学习“金融文档 AI 不等于聊天”。在银行中，合同、授信材料、流水、发票、财报、抵押物资料、审计报告都需要先被可靠结构化，后续才谈得上模型分析。Parsee 展示了字段模板、输出类型、模型配置和文档转换之间的关系，适合用来理解金融 RAG 之前的“文档清洗和结构化层”。

• 对公授信材料中的财务表格、发票、合同关键字段抽取。
• 银行制度、产品说明书、监管文件中的条款结构化。
• 供应链金融中的发票、订单、物流单据解析。
• 财报数据抽取后进入指标计算、预警模型或知识库。
• 为后续银行 RAG 助手提供更干净的结构化输入。

金融文档结构复杂，表格跨页、合并单元格、扫描质量差、币种单位不一致都会影响抽取质量。LLM 抽取还可能产生格式正确但内容错误的字段。实际应用必须建立抽样复核、字段校验、金额平衡校验、来源页码记录和人工纠错流程，不能把抽取结果直接入账或直接用于授信判断。