mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-07 16:41:00 +01:00
48 lines
2.1 KiB
Markdown
48 lines
2.1 KiB
Markdown
---
|
|
title: Forbered PDF til AI
|
|
description: Udtræk PDF-indhold til struktureret JSON optimeret til LLM'er og AI-pipelines som LlamaIndex. Understøtter batchbehandling.
|
|
---
|
|
|
|
# Forbered PDF til AI
|
|
|
|
Udtrækker indhold fra PDF-filer og strukturerer det som JSON optimeret til indlæsning i store sprogmodeller (LLM'er) og AI-frameworks som LlamaIndex. Indholdet på hver side udtrækkes og organiseres i et struktureret format, der er klar til RAG-pipelines, chatbots eller semantiske søgesystemer.
|
|
|
|
## Sådan fungerer det
|
|
|
|
1. Upload en eller flere PDF'er ved at klikke på dropzonen eller trække filer hen på den.
|
|
2. Klik på **Udtræk** for at starte behandlingen.
|
|
3. En enkelt fil downloades som `filename_llm.json`. Flere filer giver et `pdf-for-ai.zip`-arkiv.
|
|
|
|
Værktøjet bruger PyMuPDF's LlamaIndex-integration til at udtrække indhold på sideniveau med metadata, så resultatet direkte kan indlæses i AI-frameworks.
|
|
|
|
## Indstillinger
|
|
|
|
Dette værktøj har ingen konfigurerbare indstillinger. Alle sider udtrækkes med fuld tekst og metadata.
|
|
|
|
## Outputformat
|
|
|
|
- **Enkelt fil**: `filename_llm.json`
|
|
- **Flere filer**: `pdf-for-ai.zip` med én `_llm.json` pr. input-PDF.
|
|
|
|
JSON-outputtet følger LlamaIndex' dokumentskema med tekstindhold og metadatafelter pr. side.
|
|
|
|
## Anvendelsesmuligheder
|
|
|
|
- Forberede PDF-dokumenter til retrieval-augmented generation (RAG)-pipelines.
|
|
- Bygge en søgbar vidensbase af PDF-arkiver til en AI-chatbot.
|
|
- Føre PDF-rapporter ind i LLM-baserede analyseforløb.
|
|
- Forbehandle forskningsartikler til semantisk søgning og spørgsmål-svar-systemer.
|
|
- Oprette strukturerede træningsdata fra PDF-samlinger.
|
|
|
|
## Tips
|
|
|
|
- Til ren tekstudtrækning uden AI-specifik formatering brug [PDF til tekst](./pdf-to-text).
|
|
- Til Markdown-output, der bevarer overskrifter og struktur, brug [PDF til Markdown](./pdf-to-markdown).
|
|
- Scannede PDF'er giver tomt eller minimalt output. Kør dem gennem OCR først for at tilføje et tekstlag før udtrækning.
|
|
|
|
## Relaterede værktøjer
|
|
|
|
- [PDF til tekst](./pdf-to-text)
|
|
- [PDF til Markdown](./pdf-to-markdown)
|
|
- [PDF til JSON](./pdf-to-json)
|