Elysia Tools
Navegação
Workflow Playbook
Limpe PDFs e Word, remova ruido de extração, detecte prompts ocultos, divida texto, pontue chunks e prepare entradas RAG citaveis.
Temas
A qualidade RAG comeca antes do primeiro vetor. Um corpus pode misturar PDFs selecionaveis, páginas escaneadas, Word, elementos repetidos, instrucoes ocultas, anexos e seções longas dificeis de cortar. Este fluxo torna essas decisoes visiveis para que a indexacao não vire caixa-preta.
Comece delimitando páginas com pdf-page-range-extractor e escolha a rota de extração. Use pdf-to-clean-text-for-llm para PDFs digitais, scanned-pdf-ocr-to-markdown para páginas com imagem e word-text-extractor para DOCX. Assim todas as fontes chegam a uma camada textual comparavel.
Antes de aceitar o texto, revise riscos. pdf-header-footer-noise-remover encontra elementos repetidos, tagged-pdf-inspector mostra se a estrutura semantica sobreviveu e pdf-prompt-injection-scanner identifica instrucoes ocultas ou fora da pagina que não devem entrar no corpus.
Use ai-token-estimator para verificar se os chunks cabem no modelo e na politica de recuperacao. Depois crie limites com sentence-splitter ou text-splitter. Termine com ai-rag-chunk-quality-scorer para comparar coerencia, cobertura, sobreposicao e tamanho, e com pdf-rag-chunker-citation-pack quando forem necessarias citações por pagina. A entrega final deve incluir configuracoes aceitas, riscos rejeitados e metadados suficientes para rastrear respostas ate as fontes.
Guia de fluxo de trabalho
Selecione páginas e fontes do corpus e converta PDFs, scans e Word em texto ou Markdown revisavel.
Verifique se cabecalhos, rodapes, estrutura PDF fraca ou prompt injection oculto contaminariam embeddings ou respostas.
Estime tokens, divida por frases ou delimitadores significativos e crie candidatos adequados aos limites de retrieval.
Compare esquemas por coerencia, cobertura, sobreposicao e tamanho, depois prepare pacotes com citações por pagina.
Use limpeza de PDF para texto selecionavel, OCR para Markdown em scans e extração Word para DOCX, colocando tudo na mesma camada revisavel.
Use pacote de citações quando respostas precisarem voltar a páginas ou regiões; use divisao geral e pontuacao ao comparar politicas antes do indice.