PDF किंवा टेक्स्ट ते स्वच्छ Markdown

PDF — किंवा पेस्ट केलेला टेक्स्ट आणि HTML — स्वच्छ, सुव्यवस्थित Markdown मध्ये बदला, जे RAG पाइपलाइन, ChatGPT, Claude किंवा प्रकाशनासाठी तयार असेल. हेडिंग्ज, याद्या आणि परिच्छेद सपाट न होता मांडणीवरून ओळखले जातात — डॉक्युमेंटचा योग्य संदर्भ देण्यासाठी retriever ला नेमका हाच भाग लागतो. फाइल आपल्या स्वतःच्या डिव्हाइसवरच उघडते आणि प्रोसेस होते, आणि तिथून कधीही बाहेर जात नाही — ब्राउझरचा Network टॅब उघडून काहीही अपलोड होत नाही हे आपण स्वतः पाहू शकता. हेडिंग्ज मजकुराच्या आकारावरून ओळखली जातात, त्यामुळे ज्या PDF मध्ये हेडिंग्जऐवजी फक्त बोल्ड मजकूर वापरला आहे, तिचा निकाल सपाट येईल.