mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-06 08:08:38 +01:00
2.3 KiB
2.3 KiB
title, description
| title | description |
|---|---|
| Przygotuj PDF dla AI | Wyodrębnij zawartość PDF do ustrukturyzowanego JSON zoptymalizowanego dla LLM i potoków AI, takich jak LlamaIndex. Obsługuje przetwarzanie wsadowe. |
Przygotuj PDF dla AI
Wyodrębnia zawartość plików PDF i strukturyzuje ją jako JSON zoptymalizowany pod kątem wczytywania przez duże modele językowe (LLM) i frameworki AI, takie jak LlamaIndex. Zawartość każdej strony jest wyodrębniana i porządkowana w ustrukturyzowanym formacie gotowym dla potoków RAG, chatbotów lub systemów wyszukiwania semantycznego.
Jak to działa
- Wgraj jeden lub więcej plików PDF, klikając strefę upuszczania lub przeciągając na nią pliki.
- Kliknij Wyodrębnij, aby rozpocząć przetwarzanie.
- Pojedynczy plik pobiera się jako
filename_llm.json. Wiele plików daje archiwumpdf-for-ai.zip.
Narzędzie korzysta z integracji PyMuPDF z LlamaIndex, aby wyodrębnić zawartość na poziomie stron wraz z metadanymi, tworząc wynik, który można bezpośrednio wczytać do frameworków AI.
Opcje
To narzędzie nie ma konfigurowalnych opcji. Wszystkie strony są wyodrębniane z pełnym tekstem i metadanymi.
Format wyniku
- Pojedynczy plik:
filename_llm.json - Wiele plików:
pdf-for-ai.zipzawierający jeden_llm.jsonna każdy wejściowy PDF.
Wynik JSON jest zgodny ze schematem dokumentu LlamaIndex, z tekstem poszczególnych stron i polami metadanych.
Zastosowania
- Przygotowywanie dokumentów PDF dla potoków generowania wspomaganego wyszukiwaniem (RAG).
- Budowanie przeszukiwalnej bazy wiedzy z archiwów PDF dla chatbota AI.
- Przekazywanie raportów PDF do przepływów analizy opartych na LLM.
- Wstępne przetwarzanie prac naukowych dla systemów wyszukiwania semantycznego i odpowiadania na pytania.
- Tworzenie ustrukturyzowanych danych treningowych z kolekcji dokumentów PDF.
Wskazówki
- Do zwykłego wyodrębniania tekstu bez formatowania pod AI użyj PDF na Tekst.
- Do wyniku w Markdown zachowującego nagłówki i strukturę użyj PDF na Markdown.
- Zeskanowane pliki PDF dadzą pusty lub minimalny wynik. Najpierw uruchom na nich OCR, aby dodać warstwę tekstową przed wyodrębnieniem.