mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-07 08:31:01 +01:00
48 lines
3.4 KiB
Markdown
48 lines
3.4 KiB
Markdown
---
|
|
title: آماده‌سازی PDF برای هوش مصنوعی
|
|
description: محتوای PDF را به JSON ساختاریافته و بهینه برای LLMها و خطوط پردازش هوش مصنوعی مانند LlamaIndex استخراج کنید. از پردازش دسته‌ای پشتیبانی می‌کند.
|
|
---
|
|
|
|
# آماده‌سازی PDF برای هوش مصنوعی
|
|
|
|
محتوای فایل‌های PDF را استخراج کرده و به‌صورت JSON بهینه برای ورود به مدل‌های زبانی بزرگ (LLM) و چارچوب‌های هوش مصنوعی مانند LlamaIndex ساختاردهی می‌کند. محتوای هر صفحه استخراج شده و در قالبی ساختاریافته، آماده برای خطوط RAG، چت‌بات‌ها یا سامانه‌های جست‌وجوی معنایی، سازماندهی می‌شود.
|
|
|
|
## نحوهٔ کار
|
|
|
|
1. یک یا چند PDF را با کلیک روی ناحیهٔ رها کردن یا کشیدن فایل‌ها روی آن بارگذاری کنید.
|
|
2. برای شروع پردازش روی **استخراج** کلیک کنید.
|
|
3. یک فایل به‌صورت `filename_llm.json` دانلود می‌شود. چند فایل یک بایگانی `pdf-for-ai.zip` تولید می‌کنند.
|
|
|
|
این ابزار از یکپارچگی PyMuPDF با LlamaIndex برای استخراج محتوای سطح صفحه همراه با فراداده استفاده می‌کند و خروجی‌ای تولید می‌کند که مستقیماً در چارچوب‌های هوش مصنوعی قابل بارگذاری است.
|
|
|
|
## گزینه‌ها
|
|
|
|
این ابزار گزینهٔ قابل تنظیمی ندارد. همهٔ صفحات با متن کامل و فراداده استخراج می‌شوند.
|
|
|
|
## قالب خروجی
|
|
|
|
- **یک فایل**: `filename_llm.json`
|
|
- **چند فایل**: `pdf-for-ai.zip` شامل یک `_llm.json` برای هر PDF ورودی.
|
|
|
|
خروجی JSON از طرح‌وارهٔ سند LlamaIndex با محتوای متنی و فیلدهای فرادادهٔ هر صفحه پیروی می‌کند.
|
|
|
|
## موارد استفاده
|
|
|
|
- آماده‌سازی اسناد PDF برای خطوط تولید تقویت‌شده با بازیابی (RAG).
|
|
- ساخت پایگاه دانش قابل جست‌وجو از بایگانی‌های PDF برای یک چت‌بات هوش مصنوعی.
|
|
- ارسال گزارش‌های PDF به جریان‌های تحلیل مبتنی بر LLM.
|
|
- پیش‌پردازش مقالات پژوهشی برای سامانه‌های جست‌وجوی معنایی و پرسش و پاسخ.
|
|
- ساخت داده‌های آموزشی ساختاریافته از مجموعه‌های اسناد PDF.
|
|
|
|
## نکته‌ها
|
|
|
|
- برای استخراج متن ساده بدون قالب‌بندی ویژهٔ هوش مصنوعی، از [PDF به متن](./pdf-to-text) استفاده کنید.
|
|
- برای خروجی Markdown که سرفصل‌ها و ساختار را حفظ می‌کند، از [PDF به Markdown](./pdf-to-markdown) استفاده کنید.
|
|
- PDFهای اسکن‌شده خروجی خالی یا ناچیزی تولید می‌کنند. ابتدا آن‌ها را با OCR پردازش کنید تا پیش از استخراج یک لایهٔ متنی اضافه شود.
|
|
|
|
## ابزارهای مرتبط
|
|
|
|
- [PDF به متن](./pdf-to-text)
|
|
- [PDF به Markdown](./pdf-to-markdown)
|
|
- [PDF به JSON](./pdf-to-json)
|