اجعل مستندات شركتك جاهزة للذكاء الاصطناعي — بثقة، محلية، وبشكل دلالي.
من الشائع أن تحتفظ المؤسسات بوثائقها بصيغ PDF أو DOCX أو XLSX وePub. بينما تعمل نماذج اللغة الكبيرة (LLMs) جيدًا مع HTML أو النص العادي، تحتاج هذه الصيغ الأصلية إلى تحويل قبل أن يمكن استخدامها بفعالية في أنابيب LLM + RAG حيث نريد الدردشة مع مستند أو مجموعة مستندات.
LLM (نموذج لغة كبير) — نموذج ذكاء اصطناعي مدرب مسبقًا ينتج نصًا وإجابات بناءً على مجموعات نصية ضخمة.
RAG (التوليد المعزز بالاسترجاع) — نهج يجمع نموذج لغة كبير مع قاعدة معرفة خارجية (مثلاً، مستندات الشركة) بحيث يستطيع النموذج الاسترجاع والتفكير في محتوى المجال.
المخطط التالي يوضح الخطوات النموذجية لتوليد إجابة لسؤال ما:
جودة الإجابات التي تحصل عليها من نظام (LLM + RAG) تعتمد على كل من النظام نفسه ومدى حفظ الوثائق المصدرية لبنيتها ومعناها عند إدخالها في خط أنابيب الاسترجاع.
المشكلة
تنسيق المستند لا يقتصر فقط على المظهر البصري — فهو يحمل دلالات. العناوين والقوائم والجداول والتنسيقات الغامقة/المائلة والتعليقات التوضيحية والصور المدمجة كلها تنقل معنى يساعد نموذج اللغة على فهم السياق. التحويل الساذج للمستندات (مثلاً باستخدام OCR الذي يعامل كل صفحة كصورة مسطحة) غالبًا ما يفقد هذه الدلالات. نتيجةً لذلك، قد تكون استرجاعات RAG وإجابات LLM غير دقيقة أو مشوشة.
يمكن أن يساعد OCR في المستندات الممسوحة ضوئيًا لكنه غالبًا ما يزيل البنية (قائمة تمتد على عدة صفحات، حدود الجداول تُفسَّر خطأ، فقدان التعليقات). كما أنه يضيف تكلفة وبنية تحتية إضافية عند معالجة أرشيفات ضخمة.
الحل
نهج بديل هو تحليل المستندات مع وعي بنية الوثيقة وتصدير تلك البنية إلى صيغة صديقة للـ LLM — Markdown. الـ Markdown خفيف الوزن، مدعوم على نطاق واسع، ويحافظ على العناوين والقوائم والجداول وكتل الشيفرة والتنسيق والتعليقات التوضيحية وإشارات الصور — تمامًا ما يُحسن جودة الاسترجاع.
GroupDocs.Markdown for .NET يحول صيغ المستندات الشائعة (PDF، DOCX، XLSX، ePub، وغيرها) إلى Markdown نظيف ودلالي مناسب للادخال في أنظمة RAG. إنها مكتبة .NET تُنشَّأ داخل بيئتك — لا خدمات خارجية، لا تسريبات بيانات، ولا اعتماد على وحدات معالجة رسومية بعيدة.
كيف تبدأ
GroupDocs.Markdown for .NET متاح كحزمة NuGet، وكذلك كملفات MSI وZIP للتنزيل.
ثبت الحزمة عبر سطر أوامر .NET:
dotnet add package GroupDocs.Markdown
أو قم بتنزيل المثبتات والحزم من صفحة التحميل الرسمية: https://releases.groupdocs.com/markdown/net/
مثال على الاستخدام (أضف إلى Program.cs):
// استيراد مساحة الاسم
using GroupDocs.Markdown;
// تعيين الترخيص (اختياري للتقييم)
License.Set("GroupDocs.Markdown.lic");
// إنشاء محول لمستند مصدر
var converter = new MarkdownConverter("rich-text-formatting.docx");
// تحويل وحفظ النتيجة إلى ملف
converter.Convert("rich-text-formatting.md");
سيتم حفظ ملف rich-text-formatting.md المُحوَّل في نفس المجلد الذي يحتوي تطبيقك.
الصورة التالية تظهر ملف DOCX الإدخالي وملف Markdown الناتج.
إذا شغّلت المكتبة بدون ترخيص، سيعمل وضع التقييم على عدد محدود من الصفحات (مثلاً الصفحات الثلاث الأولى). لتجربة المنتج بالكامل، اطلب ترخيصًا مؤقتًا.
لطلب ترخيص مؤقت، افتح معالج الشراء https://purchase.groupdocs.com/buy/cart?ppId=115659&utm_source=blog، أدخل بيانات الاتصال، ثم انقر على احصل على ترخيص مؤقت في خطوة تفاصيل الاتصال. سيُرسل لك الترخيص المؤقت عبر البريد الإلكتروني.
لمزيد من المعلومات حول التراخيص المؤقتة: https://purchase.groupdocs.com/temporary-license/
صيغ الملفات المدعومة
GroupDocs.Markdown for .NET يدعم مجموعة واسعة من صيغ الملفات المؤسسية وشبه الكتب الإلكترونية. القائمة الكاملة للامتدادات المدعومة:
- PDF
pdf
- جداول البيانات
.xls,.xlsx,.xlsb,.xlsm,.xlt,.xltx,.xltm,.xlam,.csv,.tsv,.ods,.ots,.fods,.numbers,.sxc
- Word / نص غني
.doc,.docx,.dot,.dotm,.dotx,.docm,.rtf,.odt,.ott
- الكتب الإلكترونية
.azw3,.mobi,.epub
- نص / تعليمات / مساعدة
.chm,.xml,.txt
كيف يعمل (الداخلية — نظرة عامة)
عند معالجة مستند، تحدث مرحلتان رئيسيتان:
-
استخراج نموذج المستند
يُحلل المستند إلى نموذج كائن في الذاكرة يمثل العناصر الهيكلية (فقرات، عناوين، قوائم، جداول، صور، هوامش، تعليقات توضيحية، إلخ). يسعى المحلل للحفاظ على الدلالات (مثلاً، تداخل القوائم، خلايا الجدول، وتعليقات الصور). -
توليد Markdown
يُستعرض نموذج الكائن ويُحوَّل إلى Markdown وفقًا لإعدادات التحويل القابلة للتخصيص (كيفية التعامل مع الصور، تنسيق الجداول، مستويات العناوين، التعليقات الخاصة، إلخ). النتيجة ملف Markdown سهل القراءة، غني دلاليًا، جاهز للفهرسة بواسطة أنابيب RAG الخاصة بك.
مثال على التصدير
ملف DOCX المصدر
الملف المصدر rich-text-formatting.docx يحتوي على كتل محتوى متنوعة ومُنسقة بشكل مكثف لتسليط الضوء على العناصر الدلالية الرئيسية.
معاينة تُقَدَّم بواسطة GroupDocs.Viewer for .NET UI.
Markdown الناتج
المحتوى الناتج من rich-text-formatting.md موجود أدناه، موضحًا كيف يتم تمثيل العناصر المختلفة في ملف Markdown المولَّد.
This document contains a variety of formatted elements that are used to test document rendering quality during file conversion
# <a name="_toc76372684"></a>**Font Formatting**
Source Sans Pro Light, 14 pt.
Simple text in Times New Roman 12 followed by an empty paragraph<sub>subscript</sub> and<sup>superscript</sup>.
Various characters: ‘ “ & < > £ ¥ § ¨ © ª « ® » ¼
Paragraph with multiple segments of text formatted in different fonts, sizes and colors. Very different sizes and colors including **bold**, *italic*, underline and 1 2 3 4 5 ~~strikethrough~~. Make sure that the lines wrapped in the same way in Word and in Pdf.
This text has shading and highlighting and borders, and it is supported.
# <a name="_toc76372685"></a>**Paragraph Formatting**
Paragraph shading should not form empty gaps even with spacing 12 after.
Centered paragraph with a line break had a problem.\
Centered paragraph with a line break had a problem.
Right aligned paragraphs must be right aligned properly.
Right aligned paragraph with line break works well.\
Right aligned paragraph with line break works well.
This paragraph has a border.
Right aligned condensed text had a problem.
Right aligned expanded text had a problem.
Spacing after and before do not add up, just the greater is used. This paragraph has 12 after. Also, when indents are different, the shading does not join.
This paragraph has 12 before, but in total there is only 12 above. Also note that shading belongs to the paragraph at the top and shading of this paragraph does not go down unless next paragraph has shading too. There are 24 points below.
There are 24 points above, but the gap between this and previous paragraph is only 24.
This paragraph is a test for double line spacing. This paragraph is a test for double line spacing. It also have 0.5” for the first line.
This is a test for 1.5 line spacing. This is a test for 1.5 line spacing. Also has -0.5” indent for the first line.
This paragraph has a page break
and centered. It actually creates two paragraphs.
This is a test for Exactly 20 points of spacing. This is a test for Exactly 20 points of spacing. TTTTTT (20, 22, 24, 26, 28, 30).
There is a continuous section break after this line.
This line is in the new section. Next here is an empty section.
This line is in the fourth section.
# <a name="_toc76372686"></a>**Paragraph Justify**
This is a justified paragraph with a single segment. 111111111111111111111111111111111111111111.
Also a justified **paragraph** reset to left because of multiple segments. 111111111111111111111111111111111111111111.
# **Non-English Characters**
Wingdings: (x, Symbol: WÄ
Russian: Теперь немного по русски.
# <a name="_toc76372687"></a>**Tables**
|Cell 1.1 Left|Cell 1.2 Right|||
| :- | -: | :- | :- |
|Cell 2.1 Centered vertically|Cell 2.2 with background|Cell 2.3 with line break<br>and coloured border.||
|Cell 3.1 Bottom vertically|<p>Cell 3.2</p><p>Centered</p><p>Horizontally</p>|Cell 3.3 No border||
|Left red, blue top, green right and yellow bottom.|
| :- |
|Table with left indent and merged cells.||||
| :- | :- | :- | :- |
|||||
|||||
**Cell padding etc.**
|<p>Cell padding.</p><p>Top: 0.1, bottom 0.2</p><p>Left: 0.5, Right 0.4</p>|Zero padding on all sides, right aligned.|
| :- | -: |
|Outer 1.1|Outer 1.2. There is a nested table here||
| :- | :-: | -: |
|**Nested 1.1**|**Nested 1.2**|
| :- | :- |
|||Outer 1.3|
| :- | :-: | -: |
#
# <a name="_toc76372688"></a>**Lists**
**Numbered list:**
1. Item 1
1. Item 2
1. Item 2.1
1. Item 2.2
1. Item 3
**Bulleted list:**
- Item 1
- Item 2
- Item 2.1
- Item 2.2
- Item 3
#
# <a name="_toc76372689"></a>**Images**
This section starts from a new page.
**Ellipse text**
هناك صورة بإطار أسود في الزاوية اليمنى العليا، لكنها ستنتقل إلى داخل النص. وهناك أيضًا إهليلج شفاف يحتوي نصًا يغطى الصورة.
نص JPEG منفصل في فقرة منفصلة.
نص داخل جدول. محاذاة إلى اليسار واليمين.
|
النص بعد الصورة.
صور داخل جدول. محاذاة إلى اليسار واليمين.
| هذه الصورة في جدول. محاذاة إلى اليسار واليمين.
---
## ملخص
تساعد **GroupDocs.Markdown for .NET** على تحويل مجموعة واسعة من صيغ المستندات إلى Markdown دلالي جاهز لأنظمة LLM + RAG. تحافظ على بنية المستند ومعناه، تعمل داخليًا (on‑premise)، وتدعم صيغ المؤسسة الشائعة — ما يجعلها خيارًا عمليًا للمؤسسات التي تحتاج إلى تجهيز مجموعات مستندات ضخمة للاستهلاك الذكائي.
---
## المزيد من المعلومات
- صفحة المنتج: <https://products.groupdocs.com/markdown/net/>
- الوثائق: <https://docs.groupdocs.com/markdown/net/>
- معلومات الترخيص: <https://about.groupdocs.com/legal/>
- التنزيلات: <https://releases.groupdocs.com/markdown/net/>
---
## الدعم والملاحظات
لأي أسئلة أو مساعدة تقنية، يرجى استخدام [منتدى الدعم المجاني](https://forum.groupdocs.com/) — سنكون سعداء بمساعدتك.