# Empaquetador RAG y citas para PDF Convierte un PDF en chunks RAG con pagina, bounding box y metadatos de cita > Página canónica: https://elysiatools.com/es/tools/pdf-rag-chunker-citation-pack - **Categoría:** AI Tools - **Palabras clave:** pdf, rag, citacion, chunk ## Descripción general Sube un PDF y la herramienta ejecuta OpenDataLoader para crear un JSON estructurado. Luego empaqueta parrafos, listas, tablas y encabezados en chunks listos para RAG con pagina, bounding box y contexto de seccion. ## Entradas - **Archivo PDF** (file) - **Modo de fragmentacion** (select) - **Caracteres maximos por bloque** (number) - **Usar arbol estructural** (checkbox) - **Sanitizar datos sensibles** (checkbox) - **Incluir tablas** (checkbox) ## Cuándo usarlo - Cuando necesitas procesar manuales o informes financieros para alimentar una base de datos vectorial. - Al construir asistentes de IA que requieren citar la página exacta y la ubicación del texto original en un PDF. - Para dividir documentos largos manteniendo el contexto estructural de los encabezados y las tablas. ## Cómo funciona - Sube tu archivo PDF a la herramienta. - Configura el modo de fragmentación (por encabezados o por elemento) y ajusta el límite máximo de caracteres por bloque. - Selecciona opciones adicionales como incluir tablas, usar el árbol estructural o sanitizar datos sensibles. - Descarga un archivo JSON estructurado con los fragmentos listos para integrarse en tu flujo de trabajo RAG. ## Casos de uso - Preparación de informes financieros y contratos legales para sistemas de búsqueda semántica. - Creación de chatbots corporativos que responden preguntas basándose en manuales internos y citan la fuente. - Extracción estructurada de datos de investigaciones académicas para análisis automatizado. ## Preguntas frecuentes ### ¿Qué formatos de archivo admite esta herramienta? La herramienta admite exclusivamente archivos PDF. ### ¿Qué es el modo de fragmentación por encabezados (heading-aware)? Es un modo que agrupa el contenido bajo su encabezado correspondiente, preservando el contexto jerárquico del documento original. ### ¿Se incluyen las tablas en los fragmentos generados? Sí, puedes activar la opción de incluir tablas para que se extraigan y empaqueten junto con el texto. ### ¿Para qué sirven las coordenadas (bounding boxes) en el JSON? Permiten a tu aplicación de IA resaltar visualmente la ubicación exacta de la información citada en el PDF original. ### ¿Puedo limitar el tamaño de los fragmentos? Sí, puedes establecer un límite máximo de caracteres por bloque (entre 200 y 4000) para adaptarlo a los requisitos de tu modelo de lenguaje. ## Herramientas relacionadas - [PDF a texto limpio para LLM](https://elysiatools.com/es/tools/pdf-to-clean-text-for-llm): Extrae texto limpio de PDF para resumen, traduccion, embedding y otros flujos con LLM - [Paquete de Temas Markdown a PDF](https://elysiatools.com/es/tools/markdown-to-pdf-theme-pack): Convierte Markdown a PDF con temas claro, oscuro o de impresión - [Conversión PDF/A](https://elysiatools.com/es/tools/pdf-a-convert): Convierte documentos PDF a un perfil PDF/A autodeclarado sin dependencias externas - [PDF a Excel](https://elysiatools.com/es/tools/pdf-to-excel): Extrae datos tabulares de archivos PDF y los convierte a hojas de cálculo Excel con opciones de análisis personalizables - [Conversor PDF a Markdown](https://elysiatools.com/es/tools/pdf-to-markdown): Convierte documentos PDF a formato Markdown con extracción de texto y preservación de formato - [PDF a Texto Avanzado](https://elysiatools.com/es/tools/pdf-to-text-advanced): Conversor avanzado de PDF a texto con selección de páginas, opciones de formato y extracción de metadatos - [Puente de PDF (OCR) a JSON estructurado](https://elysiatools.com/es/tools/ocr-pdf-to-structured-json-bridge): Extrae la capa de texto del PDF con geometría (líneas por posición y, tablas por huecos de columna, títulos por tamaño de fuente, pares clave-valor con dos puntos) y rellena campo a campo un JSON Schema del usuario — etiquetas emparejadas por claves normalizadas, valores coaccionados a los tipos declarados y validados con ajv. - [Eliminador de ruido de encabezado y pie PDF](https://elysiatools.com/es/tools/pdf-header-footer-noise-remover): Compara la extraccion con y sin encabezados/pies para detectar ruido repetido en el texto ## Ejemplos - [Muestras PDF](https://elysiatools.com/es/samples/pdf-samples): Muestras PDF generadas por herramientas 2026-02-01 a 2026-02-10 - [Ejemplos de Presentaciones Markdown](https://elysiatools.com/es/samples/md-slide-deck-to-pdf): Mazos Markdown estilo Remark/Marp para probar la exportacion a PDF - [Muestras ICS del Planificador por Zona Horaria](https://elysiatools.com/es/samples/time-zone-workflow-scheduler-ics-samples): Archivos ICS con la misma estructura devuelta por Time Zone Workflow Scheduler, incluyendo varios VEVENT de candidatos - [Muestras de subtitulos ASS](https://elysiatools.com/es/samples/ass-samples): Archivos ASS de simple a complejo para pruebas de parseo con estilos, traduccion, conversion y QA de localizacion ## Contenido relacionado - [Extracción OCR de documentos](https://elysiatools.com/es/hubs/document-ocr-extraction): Extrae texto OCR de escaneos y convierte páginas o imágenes en Markdown, JSON, tablas, captions y fragmentos listos para recuperación con control de calidad. - [Preparacion de PDF para LLM y RAG](https://elysiatools.com/es/hubs/pdf-llm-rag-prep): Convierte PDFs en entradas limpias, seguras y citables para resumen con LLM, embeddings, busqueda y RAG. - [Chunking RAG y preparacion de recuperacion](https://elysiatools.com/es/hubs/rag-chunking-retrieval-prep): Limpia PDFs y Word, elimina ruido de extraccion, revisa riesgos de prompt oculto, divide texto, puntua chunks y prepara entradas RAG con citas.