Elysia Tools
Mobile Navigation
Workflow Playbook
PDFs und Word-Dateien bereinigen, Extraktionsrauschen entfernen, versteckte Prompt-Risiken pruefen, Text teilen, Chunks bewerten und zitierfaehige RAG-Eingaben erstellen.
Themen
RAG-Qualitaet beginnt vor dem ersten Vektor. Ein Corpus kann markierbare PDFs, Scans, Word-Dateien, wiederholte Seitenelemente, versteckte Anweisungen, Anhaenge und lange Abschnitte enthalten, die sich schlecht teilen lassen. Dieser Workflow macht diese Entscheidungen sichtbar, damit Indexierung keine Blackbox wird.
Grenzen Sie zuerst Seiten mit pdf-page-range-extractor ein und waehlen Sie dann den Extraktionspfad. Nutzen Sie pdf-to-clean-text-for-llm fuer digitale PDFs, scanned-pdf-ocr-to-markdown fuer bildlastige Seiten und word-text-extractor fuer DOCX. So landen alle Quellen in einer vergleichbaren Textebene.
Vor der Annahme des Textes pruefen Sie Risiken. pdf-header-footer-noise-remover findet wiederholte Seitenelemente, tagged-pdf-inspector zeigt ueberlebte semantische Struktur, und pdf-prompt-injection-scanner erkennt versteckte oder ausserhalb der Seite liegende Anweisungen, die nicht in den Corpus gehoeren.
Mit ai-token-estimator pruefen Sie, ob geplante Chunks zu Modell und Retrieval-Politik passen. Danach erstellen sentence-splitter oder text-splitter Kandidatengrenzen. Abschliessend vergleicht ai-rag-chunk-quality-scorer Kohaerenz, Abdeckung, Overlap und Groesse; pdf-rag-chunker-citation-pack ergaenzt seitenbezogene Zitate. Die Uebergabe sollte akzeptierte Einstellungen, verworfene Risiken und genug Metadaten zur Quellenrueckverfolgung enthalten.
Workflow-Leitfaden
Waehlen Sie Seiten und Dokumente fuer den Corpus aus und wandeln Sie PDFs, Scans und Word-Dateien in pruefbaren Text oder Markdown um.
Pruefen Sie, ob Kopf-/Fusszeilen, schwache PDF-Struktur oder versteckte Prompt-Injections Embeddings und Antwortbelege verunreinigen.
Schaetzen Sie Tokens, teilen Sie nach Saetzen oder sinnvollen Trennzeichen und erzeugen Sie Kandidaten passend zu den Retrieval-Limits.
Vergleichen Sie Schemata nach Kohaerenz, Abdeckung, Overlap und Groesse und erstellen Sie seitenbezogene Citation Packs fuer den Index.
Nutzen Sie PDF-Bereinigung fuer markierbare PDFs, OCR zu Markdown fuer Scans und Word-Extraktion fuer DOCX, damit alles in dieselbe pruefbare Textebene kommt.
Erzeugen Sie Citation Packs, wenn Antworten zu Seiten oder Bereichen zurueckverfolgt werden muessen; nutzen Sie allgemeines Splitten und Scoring fuer Strategie-Vergleiche vor dem Index.