PDF లేదా టెక్స్ట్ నుండి క్లీన్ Markdown
PDFను — లేదా పేస్ట్ చేసిన టెక్స్ట్, HTMLను — RAG పైప్‌లైన్, ChatGPT, Claude లేదా పబ్లిషింగ్‌కు సిద్ధంగా ఉండే క్లీన్, నిర్మాణాత్మక Markdownగా మార్చండి. హెడింగ్‌లు, లిస్ట్‌లు, పేరాలు లేఅవుట్ నుండి గుర్తించబడతాయి, అన్నీ ఒకే టెక్స్ట్‌గా కలిసిపోవు — డాక్యుమెంట్‌ను సరిగ్గా ఉదహరించడానికి retrieverకు కావలసింది ఇదే. ఫైల్ మీ సొంత డివైస్‌లోనే తెరుచుకుని ప్రాసెస్ అవుతుంది, అక్కడే ఉంటుంది — బ్రౌజర్ Network ట్యాబ్ తెరిచి ఏదీ అప్‌లోడ్ కాలేదని మీరే చూడవచ్చు. హెడింగ్‌లను టెక్స్ట్ సైజు ఆధారంగా గుర్తిస్తుంది, కాబట్టి సాధారణ టెక్స్ట్‌ను బోల్డ్ చేసి హెడింగ్‌లలా చూపించే PDFలో అవి హెడింగ్‌లుగా రావు — అంతా సాధారణ టెక్స్ట్‌గానే వస్తుంది.
తరచుగా అడిగే ప్రశ్నలు
PDFను Markdownగా ఎందుకు మార్చాలి?
సాధారణ టెక్స్ట్ డంప్ వదిలేసే హెడింగ్ నిర్మాణాన్ని Markdown అలాగే ఉంచుతుంది. RAG పైప్‌లైన్ ఆ నిర్మాణం ఆధారంగానే భాగాలుగా విభజిస్తుంది, మోడల్ సరైన విభాగాన్ని ఉదహరించగలిగేది కూడా దాని వల్లే. ChatGPT, Claude అత్యంత విశ్వసనీయంగా చదివే ఫార్మాట్ కూడా ఇదే.
నా PDF అప్‌లోడ్ అవుతుందా?
లేదు. మార్పిడి పూర్తిగా మీ బ్రౌజర్‌లోనే జరుగుతుంది; ఫైల్ మీ డివైస్ దాటదు.
పేస్ట్ చేసిన టెక్స్ట్ లేదా HTMLను కూడా మార్చవచ్చా?
అవును. డ్రాప్ జోన్‌ను ఖాళీగా వదిలి, బాక్స్‌లో పేస్ట్ చేయండి — HTML ఆటోమేటిక్‌గా గుర్తించబడి దాని ట్యాగ్‌లు Markdownగా మారతాయి, సాధారణ టెక్స్ట్‌లోని లిస్ట్‌లు, హెడింగ్‌లు గుర్తించబడతాయి.
ఏది హెడింగ్ అని ఇది ఎలా తెలుసుకుంటుంది?
ప్రతి లైన్‌ను అదే డాక్యుమెంట్‌లోని మధ్యస్థ (median) టెక్స్ట్ సైజుతో పోలుస్తుంది, కాబట్టి 9pt కాంట్రాక్ట్, 14pt స్లైడ్ డెక్ రెండూ పనిచేస్తాయి. సాధారణ టెక్స్ట్‌ను బోల్డ్ చేసి హెడింగ్‌లలా చూపించే PDFలో గుర్తించడానికి ఏమీ ఉండదు, అంతా సాధారణ టెక్స్ట్‌గానే వస్తుంది.