# Gerador de chunks RAG e citation pack para PDF Converte um PDF em chunks RAG com pagina, bounding box e metadados de citacao > Página canônica: https://elysiatools.com/pt/tools/pdf-rag-chunker-citation-pack - **Categoria:** AI Tools - **Palavras-chave:** pdf, rag, citacao, chunk ## Visão geral Envie um PDF e a ferramenta executa o OpenDataLoader para gerar JSON estruturado. Em seguida, paragrafos, listas, tabelas e titulos sao agrupados em chunks para RAG com pagina, bounding box e contexto de secao. ## Entradas - **Arquivo PDF** (file) - **Modo de fragmentacao** (select) - **Caracteres maximos por bloco** (number) - **Usar arvore estrutural** (checkbox) - **Sanitizar dados sensiveis** (checkbox) - **Incluir tabelas** (checkbox) ## Quando usar - Ao preparar documentos PDF para alimentar bancos de dados vetoriais em sistemas de Retrieval-Augmented Generation (RAG). - Quando é necessário que a IA cite a página exata e a localização visual de uma informação dentro de um PDF original. - Para processar relatórios técnicos ou financeiros onde a estrutura de títulos e tabelas deve ser preservada para manter o contexto. ## Como funciona - O usuário faz o upload do arquivo PDF e seleciona o modo de fragmentação, como o agrupamento baseado em títulos ou por elemento individual. - A ferramenta utiliza o OpenDataLoader para analisar a árvore estrutural do documento, identificando elementos como listas, tabelas e hierarquia de cabeçalhos. - O conteúdo é dividido em blocos (chunks) respeitando o limite de caracteres definido e anexando metadados de localização e contexto de seção. - Um arquivo JSON estruturado é gerado, contendo os fragmentos de texto prontos para indexação em vector stores ou uso em sistemas de chat fundamentados em documentos. ## Casos de uso - Criação de assistentes virtuais corporativos que precisam responder perguntas baseadas em manuais técnicos extensos com citações de página. - Automação de auditorias de conformidade onde cada resposta da IA deve apontar para a evidência exata e localização no documento fonte. - Indexação de relatórios financeiros anuais em bancos de dados vetoriais para análise comparativa rápida e precisa. ## Perguntas frequentes ### O que é o modo 'heading-aware'? É uma fragmentação que agrupa o conteúdo respeitando a hierarquia de títulos para manter o contexto semântico de cada seção. ### A ferramenta processa tabelas do PDF? Sim, se a opção 'Incluir tabelas' estiver ativa, as tabelas são extraídas como nós estruturados dentro dos chunks gerados. ### O que são as bounding boxes incluídas no JSON? São as coordenadas geográficas que indicam a posição exata do texto na página do PDF original, permitindo o realce visual da fonte. ### Posso limitar o tamanho dos blocos de texto? Sim, você pode configurar o número máximo de caracteres por chunk, com um intervalo permitido entre 200 e 4000 caracteres. ### A ferramenta remove dados sensíveis? Existe uma opção de sanitização que, quando ativada, ajuda a ocultar informações sensíveis identificadas durante o processamento do documento. ## Ferramentas relacionadas - [PDF para texto limpo para LLM](https://elysiatools.com/pt/tools/pdf-to-clean-text-for-llm): Extrai texto limpo de PDFs para resumo, traducao, embedding e outros fluxos com LLM - [Pacote de Temas Markdown para PDF](https://elysiatools.com/pt/tools/markdown-to-pdf-theme-pack): Converte Markdown em PDF com temas claro, escuro ou impressão - [Conversão PDF/A](https://elysiatools.com/pt/tools/pdf-a-convert): Converte PDFs para um perfil PDF/A autodeclarado sem dependências externas - [PDF para Excel](https://elysiatools.com/pt/tools/pdf-to-excel): Extrai dados tabulares de arquivos PDF e os converte em planilhas Excel com opções de análise personalizáveis - [Conversor PDF para Markdown](https://elysiatools.com/pt/tools/pdf-to-markdown): Converte documentos PDF para formato Markdown com extração de texto e preservação de formatação - [PDF para Texto Avançado](https://elysiatools.com/pt/tools/pdf-to-text-advanced): Conversor avançado de PDF para texto com seleção de páginas, opções de formatação e extração de metadados - [Ponte de PDF (OCR) para JSON estruturado](https://elysiatools.com/pt/tools/ocr-pdf-to-structured-json-bridge): Extrai a camada de texto do PDF com geometria (linhas por posição y, tabelas por vaos de coluna, títulos por tamanho de fonte, pares chave-valor com dois pontos) e preenche campo a campo um JSON Schema do usuário — rótulos pareados por chaves normalizadas, valores coagidos aos tipos declarados e validados com ajv. - [Removedor de ruido de cabecalho e rodape PDF](https://elysiatools.com/pt/tools/pdf-header-footer-noise-remover): Compara a extracao com e sem cabecalhos/rodapes para detectar ruido repetido no texto ## Exemplos - [Exemplos PDF](https://elysiatools.com/pt/samples/pdf-samples): Exemplos PDF gerados por ferramentas de 2026-02-01 a 2026-02-10 - [Exemplos de Apresentacoes Markdown](https://elysiatools.com/pt/samples/md-slide-deck-to-pdf): Decks Markdown estilo Remark/Marp para testar exportacao em PDF - [Amostras ICS do Agendador por Fuso Horario](https://elysiatools.com/pt/samples/time-zone-workflow-scheduler-ics-samples): Arquivos ICS na mesma estrutura retornada pelo Time Zone Workflow Scheduler, com varios VEVENT de horarios candidatos - [Amostras de legendas ASS](https://elysiatools.com/pt/samples/ass-samples): Arquivos ASS do simples ao complexo para parse com estilos, traducao, conversao e QA de localizacao ## Conteúdo relacionado - [Extração OCR de documentos](https://elysiatools.com/pt/hubs/document-ocr-extraction): Extraia texto OCR de scans e converta páginas ou imagens em Markdown, JSON, tabelas, legendas e blocos prontos para recuperacao com verificacao de qualidade. - [Preparação de PDF para LLM e RAG](https://elysiatools.com/pt/hubs/pdf-llm-rag-prep): Transforme PDFs em entradas limpas, seguras e citaveis para resumo com LLM, embeddings, busca e RAG. - [Chunking RAG e preparo de recuperacao](https://elysiatools.com/pt/hubs/rag-chunking-retrieval-prep): Limpe PDFs e Word, remova ruido de extração, detecte prompts ocultos, divida texto, pontue chunks e prepare entradas RAG citaveis.