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.