Elysia Tools
Navegação
Workflow Playbook
Transforme PDFs em entradas limpas, seguras e citaveis para resumo com LLM, embeddings, busca e RAG.
Temas
Um PDF raramente e uma entrada LLM limpa por padrao. Ele pode ter paginas escaneadas, cabecalhos repetidos, marcas legais, camadas ocultas, tabelas, legendas ou paginas que nao pertencem a base de conhecimento. Este fluxo torna esses riscos revisaveis.
Use encrypted-pdf-converter somente com autorizacao e reduza o corpus com pdf-page-range-extractor. Limitar paginas evita que capas, anexos e formularios repetidos distorcam embeddings e citacoes.
Para scans, pdf-ocr-text-layer e scanned-pdf-ocr-to-markdown transformam paginas visuais em texto pesquisavel. Para PDFs digitais, inspecione semantica com tagged-pdf-inspector e pdf-to-json-structure-explorer, depois exporte Markdown, tabelas e legendas.
Antes da base vetorial, remova ruido com pdf-header-footer-noise-remover, revise tachados com pdf-strikethrough-review-extractor e procure texto oculto com pdf-prompt-injection-scanner. Depois disso, use pdf-to-clean-text-for-llm ou pdf-rag-chunker-citation-pack.
Guia de fluxo de trabalho
Abra arquivos protegidos apenas com autorizacao, selecione as paginas necessarias e evite enviar anexos, capas ou formularios irrelevantes ao contexto do modelo.
Adicione ou verifique a camada OCR e exporte Markdown baseado em OCR quando o documento for visual ou o texto copiado nao for confiavel.
Compare estrutura marcada com heuristicas de layout, explore metadados dos nos e extraia Markdown, tabelas e legendas uteis ao LLM.
Remova elementos repetidos, revise texto tachado possivelmente relevante e escaneie conteudo oculto ou fora da pagina antes de confiar na extracao.
Exporte texto limpo para resumo ou gere chunks orientados por titulos com paginas, caixas e metadados de citacao para sistemas de recuperacao.
Use primeiro ferramentas de acesso e OCR quando o documento for protegido, escaneado ou sem camada de texto confiavel; caso contrario comece pela estrutura e conversao.
Texto limpo basta para resumo e redacao; ingestao RAG deve manter paginas, titulos, tabelas, legendas, caixas e achados de seguranca.