mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-08 16:57:14 +01:00
48 lines
3.6 KiB
Markdown
48 lines
3.6 KiB
Markdown
---
|
||
title: Подготовка PDF для ИИ
|
||
description: Извлечение содержимого PDF в структурированный JSON, оптимизированный для LLM и ИИ-конвейеров вроде LlamaIndex. Поддерживает пакетную обработку.
|
||
---
|
||
|
||
# Подготовка PDF для ИИ
|
||
|
||
Извлекает содержимое PDF-файлов и структурирует его в JSON, оптимизированный для загрузки в большие языковые модели (LLM) и ИИ-фреймворки вроде LlamaIndex. Содержимое каждой страницы извлекается и организуется в структурированный формат, готовый для RAG-конвейеров, чат-ботов и систем семантического поиска.
|
||
|
||
## Как это работает
|
||
|
||
1. Загрузите один или несколько PDF, нажав на область загрузки или перетащив файлы.
|
||
2. Нажмите **Извлечь для ИИ**, чтобы начать обработку.
|
||
3. Один файл скачивается как `filename_llm.json`. Несколько файлов дают архив `pdf-for-ai.zip`.
|
||
|
||
Инструмент использует интеграцию PyMuPDF с LlamaIndex, чтобы извлекать содержимое постранично вместе с метаданными. Результат можно напрямую загружать в ИИ-фреймворки.
|
||
|
||
## Параметры
|
||
|
||
У этого инструмента нет настраиваемых параметров. Все страницы извлекаются с полным текстом и метаданными.
|
||
|
||
## Формат результата
|
||
|
||
- **Один файл**: `filename_llm.json`
|
||
- **Несколько файлов**: `pdf-for-ai.zip` с одним `_llm.json` на каждый исходный PDF.
|
||
|
||
JSON соответствует схеме документов LlamaIndex: текст каждой страницы и поля метаданных.
|
||
|
||
## Сценарии использования
|
||
|
||
- Подготовка PDF-документов для конвейеров RAG (генерация с дополнением выборкой).
|
||
- Создание базы знаний с поиском по архивам PDF для ИИ-чат-бота.
|
||
- Передача PDF-отчётов в процессы анализа на основе LLM.
|
||
- Предварительная обработка научных статей для семантического поиска и систем вопросов и ответов.
|
||
- Создание структурированных обучающих данных из коллекций PDF-документов.
|
||
|
||
## Советы
|
||
|
||
- Для извлечения простого текста без ИИ-форматирования используйте [PDF в текст](./pdf-to-text).
|
||
- Для вывода в Markdown с сохранением заголовков и структуры используйте [PDF в Markdown](./pdf-to-markdown).
|
||
- Для отсканированных PDF результат будет пустым или минимальным. Сначала пропустите их через распознавание текста, чтобы добавить текстовый слой.
|
||
|
||
## Связанные инструменты
|
||
|
||
- [PDF в текст](./pdf-to-text)
|
||
- [PDF в Markdown](./pdf-to-markdown)
|
||
- [PDF в JSON](./pdf-to-json)
|