# Генератор RAG-чанков и citation pack для PDF Преобразует PDF в RAG-чанки с номерами страниц, координатами и citation-метаданными > Каноническая страница: https://elysiatools.com/ru/tools/pdf-rag-chunker-citation-pack - **Категория:** AI Tools - **Ключевые слова:** pdf, rag, citation, chunk ## Обзор Загрузите PDF, и инструмент запустит OpenDataLoader для получения структурированного JSON. Затем абзацы, списки, таблицы и заголовки собираются в чанки для RAG с номером страницы, bounding box и контекстом раздела. ## Входные данные - **PDF файл** (file) - **Режим чанков** (select) - **Максимум символов на чанк** (number) - **Использовать структуру тегов** (checkbox) - **Санитизировать чувствительные данные** (checkbox) - **Включать таблицы** (checkbox) ## Когда использовать - Подготовка данных для загрузки в векторные хранилища, такие как Pinecone, Weaviate или Milvus. - Создание систем ИИ-чатов, требующих точных ссылок на страницы и визуального выделения фрагментов в PDF-источнике. - Обработка сложных документов с таблицами и многоуровневой структурой разделов для улучшения качества семантического поиска. ## Как это работает - Загрузите PDF-файл и выберите режим разбиения: группировка по заголовкам для сохранения контекста или по отдельным элементам для максимальной гранулярности. - Система анализирует структуру документа с помощью OpenDataLoader, извлекая текст, таблицы и иерархию разделов с учетом тегов структуры. - Текст разбивается на чанки заданного размера, при этом каждому фрагменту присваиваются метаданные: номер страницы, координаты блока и путь заголовков. - Инструмент генерирует JSON-файл (citation pack), готовый к индексации в RAG-системах для реализации поиска с подтверждением источника. ## Сценарии использования - Индексация корпоративных баз знаний и технических регламентов для создания внутренних LLM-ассистентов с проверкой фактов. - Автоматизация подготовки юридических и финансовых отчетов для систем семантического поиска с сохранением ссылок на первоисточник. - Преобразование научных статей и учебных пособий в формат, пригодный для обучения и работы RAG-систем в образовательных целях. ## Частые вопросы ### Что такое режим 'heading-aware'? Это режим формирования чанков, который учитывает иерархию заголовков, объединяя связанные абзацы в один смысловой блок для лучшего понимания контекста нейросетью. ### Как работают координаты (bounding boxes) в выводе? Для каждого фрагмента текста сохраняются координаты его расположения на странице, что позволяет интерфейсу чат-бота подсвечивать цитируемый текст прямо в PDF. ### Можно ли обрабатывать таблицы из PDF? Да, при включении опции 'Включать таблицы' инструмент преобразует табличные данные в структурированные узлы, сохраняя их связь с окружающим текстом. ### Зачем нужна опция 'Использовать структуру тегов'? Она позволяет использовать внутреннюю разметку PDF (если она есть) для более точного определения заголовков, списков и логических разделов документа. ### Какой максимальный размер чанка можно установить? Вы можете настроить лимит от 200 до 4000 символов, чтобы адаптировать размер фрагментов под требования вашей модели эмбеддингов. ## Связанные инструменты - [PDF в чистый текст для LLM](https://elysiatools.com/ru/tools/pdf-to-clean-text-for-llm): Извлекает чистый текст из PDF для суммаризации, перевода, эмбеддингов и других LLM-задач - [Темы Markdown в PDF](https://elysiatools.com/ru/tools/markdown-to-pdf-theme-pack): Конвертирует Markdown в PDF с светлой, тёмной или печатной темой - [Конвертация PDF/A](https://elysiatools.com/ru/tools/pdf-a-convert): Конвертация PDF в самодекларируемый профиль PDF/A без внешних зависимостей - [PDF в Excel](https://elysiatools.com/ru/tools/pdf-to-excel): Извлекает табличные данные из PDF-файлов и конвертирует их в электронные таблицы Excel с настраиваемыми опциями парсинга - [Конвертер PDF в Markdown](https://elysiatools.com/ru/tools/pdf-to-markdown): Конвертирует PDF документы в формат Markdown с извлечением текста и сохранением форматирования - [PDF в текст расширенный](https://elysiatools.com/ru/tools/pdf-to-text-advanced): Расширенный конвертер PDF в текст с выбором страниц, параметрами форматирования и извлечением метаданных - [Мост OCR PDF → структурированный JSON](https://elysiatools.com/ru/tools/ocr-pdf-to-structured-json-bridge): Извлекает текстовый слой PDF с геометрией (строки по y-координате, таблицы по промежуткам колонок, заголовки по кеглю, пары ключ-значение через двоеточие) и заполняет пользовательскую JSON-схему поле за полем — метки сопоставляются по нормализованным ключам, значения приводятся к объявленным типам и проверяются ajv. - [Очиститель шума колонтитулов PDF](https://elysiatools.com/ru/tools/pdf-header-footer-noise-remover): Сравнивает извлечение с колонтитулами и без них, чтобы найти повторяющийся шум в тексте ## Примеры - [PDF Примеры](https://elysiatools.com/ru/samples/pdf-samples): PDF примеры, созданные инструментами 2026-02-01..2026-02-10 - [Примеры Markdown Презентаций](https://elysiatools.com/ru/samples/md-slide-deck-to-pdf): Markdown колоды в стиле Remark/Marp для тестирования экспорта в PDF - [ICS Примеры Планировщика по Часовым Поясам](https://elysiatools.com/ru/samples/time-zone-workflow-scheduler-ics-samples): ICS-файлы в той же структуре, что и у Time Zone Workflow Scheduler, с несколькими VEVENT для кандидатов - [Примеры субтитров ASS](https://elysiatools.com/ru/samples/ass-samples): ASS-файлы от простых до сложных для style-aware парсинга, перевода, конвертации и локализационного QA ## Связанные материалы - [OCR-извлечение документов](https://elysiatools.com/ru/hubs/document-ocr-extraction): Извлекайте OCR-текст из сканов и преобразуйте страницы или изображения в Markdown, JSON, таблицы, описания и блоки для поиска с проверкой качества. - [Подготовка PDF для LLM и RAG](https://elysiatools.com/ru/hubs/pdf-llm-rag-prep): Преобразуйте PDF в чистые, безопасные и цитируемые входные данные для LLM, эмбеддингов, поиска и RAG. - [Подготовка данных для RAG: разбиение и поиск](https://elysiatools.com/ru/hubs/rag-chunking-retrieval-prep): Очистите PDF и Word, уберите шум извлечения, проверьте скрытые prompt-риски, разделите текст, оцените chunks и подготовьте RAG-ввод с цитатами.