Elysia Tools
导航
AI Tools
将 PDF 转成带页码、bbox 与标题路径的 RAG 分块 JSON，便于向量库入库和引用回链
详情
上传 PDF 后，工具会调用 OpenDataLoader 输出 JSON，再把段落、列表、标题和表格整理成适合检索增强生成的 chunk。每个 chunk 都会附带页码、bounding box 和标题路径，方便向量检索、答案引用和 PDF 定位。
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
PDF RAG 分块与引用包生成器是一款专为检索增强生成（RAG）设计的预处理工具。它能够将复杂的 PDF 文档解析为结构化的 JSON 分块，并自动提取页码、坐标（Bounding Box）及标题路径等关键元数据，确保 AI 系统在生成回答时能够实现精准的来源追溯与引用回链。
背景
工程师需要将一份 100 页的年度财务报告导入 RAG 系统，要求 AI 在回答利润数据时必须指明出自哪一页。
问题
传统的文本提取会丢失页码和表格关联，导致 AI 无法提供准确的引用回链。
如何使用
上传财务报告 PDF，选择“按标题聚合”模式，并勾选“包含表格节点”和“使用结构树”。
{"chunkMode": "heading-aware", "maxChars": 900, "useStructTree": true, "includeTableNodes": true}结果
生成的 JSON 包含带页码和 bbox 的分块，AI 检索后可直接在 UI 界面跳转并高亮 PDF 对应位置。
背景
管理员正在处理一份包含大量嵌套标题和操作步骤的技术手册。
问题
简单的固定长度切分会导致操作步骤与其所属的设备型号标题断开，影响检索效果。
如何使用
上传手册 PDF，设置分块模式为“按标题聚合”，确保每个分块都携带完整的标题路径元数据。
{"chunkMode": "heading-aware", "maxChars": 800, "useStructTree": true}结果
每个分块都附带了如“安装指南 > 电机组装 > 步骤1”的路径信息，显著提升了 AI 理解上下文的能力。
按标题聚合会根据文档目录结构将内容归类，适合保持上下文；逐元素分块则将每个段落或表格视为独立块，适合精细化检索。
可以，生成的 JSON 结构包含了文本内容及其对应的元数据，非常适合直接映射到向量数据库的 Metadata 字段。
开启“包含表格节点”后，工具会将表格识别为独立单元，并保留其在文档中的位置信息，方便 AI 针对表格数据进行回答。
Bounding Box 记录了文本在页面上的具体坐标，前端界面可以利用这些数据在 PDF 预览器中高亮显示 AI 引用的原文区域。
通常建议设置在 500 到 1000 字符之间，这能平衡语义完整性与向量检索的精度，具体取决于您的 Embedding 模型限制。