DataFlow是一个数据准备和管道系统，旨在提升特定领域的训练和检索增强生成（RAG）。它通过模块化操作符组合成可重用的管道，处理来自PDF、文本等噪声源的数据，生成高质量数据集，适用于医疗、金融和法律等领域的数据清理和标注。该项目主要用Python实现，支持Docker和GPU加速。