mirror of
https://github.com/alam00000/bentopdf.git
synced 2026-11-09 17:14:16 +01:00
48 lines
2.3 KiB
Markdown
48 lines
2.3 KiB
Markdown
---
|
|
title: Pripraviť PDF pre AI
|
|
description: Extrahujte obsah PDF do štruktúrovaného JSON optimalizovaného pre LLM a AI pipeline, ako je LlamaIndex. Podporuje dávkové spracovanie.
|
|
---
|
|
|
|
# Pripraviť PDF pre AI
|
|
|
|
Extrahuje obsah zo súborov PDF a štruktúruje ho ako JSON optimalizovaný na spracovanie veľkými jazykovými modelmi (LLM) a AI frameworkmi, ako je LlamaIndex. Obsah každej strany sa extrahuje a usporiada do štruktúrovaného formátu pripraveného pre RAG pipeline, chatboty alebo systémy sémantického vyhľadávania.
|
|
|
|
## Ako to funguje
|
|
|
|
1. Nahrajte jedno alebo viac PDF kliknutím na oblasť nahrávania alebo pretiahnutím súborov.
|
|
2. Kliknutím na **Extrahovať** spustíte spracovanie.
|
|
3. Jeden súbor sa stiahne ako `filename_llm.json`. Z viacerých súborov vznikne archív `pdf-for-ai.zip`.
|
|
|
|
Nástroj používa integráciu PyMuPDF s LlamaIndex na extrakciu obsahu na úrovni strán spolu s metadátami, takže výstup sa dá priamo načítať do AI frameworkov.
|
|
|
|
## Možnosti
|
|
|
|
Tento nástroj nemá žiadne nastaviteľné možnosti. Všetky strany sa extrahujú s úplným textom a metadátami.
|
|
|
|
## Formát výstupu
|
|
|
|
- **Jeden súbor**: `filename_llm.json`
|
|
- **Viacero súborov**: `pdf-for-ai.zip` s jedným `_llm.json` pre každé vstupné PDF.
|
|
|
|
Výstup JSON sa riadi schémou dokumentu LlamaIndex s textovým obsahom a poľami metadát pre každú stranu.
|
|
|
|
## Prípady použitia
|
|
|
|
- Príprava dokumentov PDF pre pipeline generovania rozšíreného o vyhľadávanie (RAG).
|
|
- Budovanie prehľadávateľnej znalostnej bázy z archívov PDF pre AI chatbota.
|
|
- Vkladanie PDF správ do analytických workflow založených na LLM.
|
|
- Predspracovanie výskumných prác pre systémy sémantického vyhľadávania a odpovedania na otázky.
|
|
- Vytváranie štruktúrovaných trénovacích dát zo zbierok dokumentov PDF.
|
|
|
|
## Tipy
|
|
|
|
- Na extrakciu čistého textu bez formátovania špecifického pre AI použite [PDF do Textu](./pdf-to-text).
|
|
- Na výstup v Markdowne, ktorý zachová nadpisy a štruktúru, použite [PDF do Markdownu](./pdf-to-markdown).
|
|
- Naskenované PDF vytvoria prázdny alebo minimálny výstup. Pred extrakciou ich najprv spracujte pomocou OCR, aby ste pridali textovú vrstvu.
|
|
|
|
## Súvisiace nástroje
|
|
|
|
- [PDF do Textu](./pdf-to-text)
|
|
- [PDF do Markdownu](./pdf-to-markdown)
|
|
- [PDF do JSON](./pdf-to-json)
|