1. Limpeza de Relatório Financeiro para RAG
Engenheiro de DadosContexto
Um engenheiro está construindo um sistema de busca (RAG) sobre relatórios anuais de empresas, que contêm o nome da empresa e o ano no cabeçalho de todas as páginas.
Problema
O texto repetido do cabeçalho está poluindo os chunks de texto e confundindo o modelo de linguagem durante a recuperação de informações.
Como usar
Faça o upload do relatório PDF, defina as páginas desejadas e gere a comparação para validar se a remoção automática está eliminando apenas o ruído.
{"pdfFile": "relatorio_anual_2023.pdf", "useStructTree": false, "pages": "1-50"}Resultado
O relatório HTML confirma que os cabeçalhos repetidos foram identificados e removidos com sucesso, sem perda de dados financeiros nas primeiras linhas reais da página.