MCP sunucusu ve iki yönlü dışa aktarımla belgeyi Markdown'a dönüştürücü
all2md, Thomas Villani tarafından geliştirilen, karmaşık belge formatlarını LLM alımı ve otomatik belge iş akışları için yapılandırılmış Markdown'a dönüştürür. Araç, 40'tan fazla formatta iki yönlü dönüşüm gerçekleştirir, yerleşik bir Model Context Protocol sunucusu çalıştırır ve yüksek doğrulukta ayrıştırma için RAG yerel parçalara ayırma ile AST tabanlı dönüşümler sunar. Gelişmiş PDF tablo kurtarma, isteğe bağlı OCR desteği ve CLI toplu yardımcı programları içerir. Hedef kullanıcılar LLM ve RAG oluşturucuları, Python geliştiricileri ve programatik belge hazırlama ile ilgilenen güç kullanıcılarıdır.
Kompleks dosyaları LLM hazır Markdown'a dönüştürür
Bu araç, PDF, DOCX, PPTX, HTML, e-postalar ve elektronik tablolar dahil 40'tan fazla dosya türünü, model bağlamı alımı için tasarlanmış temiz, GitHub Flavored Markdown'a dönüştürür. Pipeline, belge yapısını korumak ve programatik dönüşümlere izin vermek için soyut bir sözdizim ağacı kullanır ve Markdown'u DOCX ve PDF gibi zengin formatlara geri yazabilir, bu da model tarafından üretilen içeriğin çift yönlü düzenlemesine olanak tanır.
Karmaşık düzenler için ölçülebilir sadakatle yapılandırılmış çıktılar üretir
PDF işleme, tablo kurtarma, çok sütunlu düzen analizi ve başlık/alt bilgi kaldırmaya odaklanır, bu da daha basit ayrıştırıcılara kıyasla sahte veya 'icat edilmiş' metin miktarını azaltır. Proje, Docling ve pymupdf4llm ile karşılaştırmalı test raporları sunar ve düşük icat edilmiş metin oranlarını vurgular. RAG yerel parçalara ayırma, semantik, başlık ve token bölmeleri dahil on bir strateji sağlar ve alım iş akışları için bölüm ve sayfa kökenini korur.
Geliştirici aşinalığı gerektirir ancak genişletilebilir, format özel kurulumlar sunar
Bu araç, Python kütüphanesi ve PC, macOS ve Linux için bir CLI olarak mevcuttur ve Python 3.x ortamlarına yöneliktir. Kurucu, yalnızca belirli formatlar için gerekli codec bileşenlerinin kurulduğu modüler bir bağımlılık sistemi kullanır ve taranmış PDF'ler için Tesseract veya EasyOCR gibi OCR ekleri isteğe bağlıdır. Bir eklenti API'si ve AST dönüşümleri, geliştiricilerin özel formatlar eklemesine veya ayrıştırma davranışını programatik olarak ayarlamasına olanak tanır.
AI asistanı pipeline'larına MCP ve toplu araçlar aracılığıyla uyum sağlar
Yerleşik Model Bağlam Protokolü sunucusu, dönüşüm pipeline'ını AI asistanlarına doğrudan bağlar ve proje, Claude Desktop gibi müşteriler için tek tıklamayla MCPB paketi sağlar. Komut satırı yardımcı programları, alım işlemini otomatikleştirmek için dizin izleme, toplu dönüşüm, anlamsal arama ve belge karşılaştırma gibi işlevleri destekler. Bu entegrasyonlar, yapılandırılmış Markdown'u alım sistemlerine beslemeye yardımcı olur ve geliştiricilerin dönüştürülmüş içeriği aşağı akış model istemlerine veya RAG depolarına dahil etmelerine olanak tanır.
Model alma boru hatları oluşturan geliştiriciler için pratik seçim
Alım ve bağlam katmanları oluşturan ekipler için, araç kaynak sadakati ve köken üzerinde ölçülebilir kontrol sağlar; modüler, kod öncelikli tasarımı, betiklenmiş boru hatları ve toplu işlemler için uygundur. Teknik olmayan kullanıcılar muhtemelen dik bir kurulum eğrisi ile karşılaşır. Pratik tavsiye: GitHub Flavored Markdown çıktısı verin ve belgeleri model bağlam depolarına aktarırken kökeni korumak için anlamsal veya başlık tabanlı parçalama tercih edin. Toplu çalışmalardan önce görüntü tabanlı PDF'ler için OCR eklerini etkinleştirin.
