為 AI 準備 PDF
從 PDF 檔案擷取內容，並整理成針對大型語言模型（LLM）與 LlamaIndex 等 AI 框架最佳化的 JSON 結構。每頁內容都會被擷取並組織成結構化格式，可直接用於 RAG 流程、聊天機器人或語意搜尋系統。
運作方式
- 點擊放置區或將檔案拖曳到該處，上傳一個或多個 PDF。
- 點擊 擷取 開始處理。
- 單一檔案會下載為
filename_llm.json。多個檔案則產生pdf-for-ai.zip壓縮檔。
此工具使用 PyMuPDF 的 LlamaIndex 整合功能，擷取每頁內容與中繼資料，產生可直接載入 AI 框架的輸出。
選項
此工具沒有可設定的選項。所有頁面都會連同完整文字與中繼資料一併擷取。
輸出格式
- 單一檔案：
filename_llm.json - 多個檔案：
pdf-for-ai.zip，每個輸入 PDF 各對應一個_llm.json。
JSON 輸出遵循 LlamaIndex 文件結構描述，包含每頁的文字內容與中繼資料欄位。
使用情境
- 為檢索增強生成（RAG）流程準備 PDF 文件。
- 從 PDF 封存資料建立可供 AI 聊天機器人搜尋的知識庫。
- 將 PDF 報告輸入以 LLM 為基礎的分析工作流程。
- 預先處理研究論文，用於語意搜尋與問答系統。
- 從 PDF 文件集合建立結構化訓練資料。
提示
- 若只需擷取純文字而不需 AI 專用格式，請使用 PDF 轉文字。
- 若需要保留標題與結構的 Markdown 輸出，請使用 PDF 轉 Markdown。
- 掃描的 PDF 只會產生空白或極少的輸出。請先執行 OCR 加入文字層，再進行擷取。