הפכו את המסמכים הארגוניים שלכם למוכנים ל‑AI — באופן אמין, במקומי ובאופן סמנטי.
זה מקרה נפוץ שבו ארגונים שומרים את התיעוד שלהם בפורמטים PDF, DOCX, XLSX ו‑ePub. בעוד שמודלים גדולים של שפה (LLM) עובדים היטב עם HTML או טקסט פשוט, הפורמטים המקוריים של המסמכים דורשים המרה לפני שניתן להשתמש בהם ביעילות בצינורות LLM + RAG שבהם אנו רוצים לשוחח עם מסמך או קבוצה של מסמכים.
LLM (Large Language Model) — מודל AI מאומן מראש שמייצר טקסט ותשובות בהתבסס על קורפוסי טקסט גדולים.
RAG (Retrieval‑Augmented Generation) — גישה שמחברת מודל LLM עם בסיס ידע חיצוני (לדוגמה, מסמכי החברה) כך שהמודל יכול לאחזר ולנתח תוכן תחום.
התרשים הבא מציג את השלבים הרגילים ליצירת תשובה לשאלה:
האיכות של התשובות שמתקבלות ממערכת (LLM + RAG) תלויה הן במערכת עצמה והן במידת שמירת המבנה והמשמעות של מסמכי המקור כאשר הם מוזנים לצינור האחזור.
הבעיה
עיצוב המסמך אינו רק חזותי — הוא נושא משמעות. כותרות, רשימות, טבלאות, הדגשה מודגשת/בוערת, כיתורים ותמונות משולבות מעבירים משמעות שמסייעת ל‑LLM להבין את ההקשר. המרה חפה של מסמכים (לדוגמה, באמצעות OCR המתייחס לכל דף כתמונה שטוחה) מאבדת משמעות זו כמעט תמיד. כתוצאה מכך, אחזור ב‑RAG ותשובות LLM עלולות להפוך לחסרות דיוק או רועשות.
OCR עשוי לסייע למסמכים סרוקים אך לרוב מוחק מבנה (רשימות המחולקות לדפים, גבולות טבלה מוטעים, הערות שנמחקות). הוא מוסיף גם עלויות ודרישות תשתית בעת עיבוד ארכיונים גדולים.
הפתרון
גישה אלטרנטיבית היא לנתח מסמכים עם מודעות למבנה ולייצא את המבנה הזה לפורמט סמנטי ידידותי ל‑LLM — Markdown. Markdown הוא פורמט קל, נתמך נרחב, ומשמר כותרות, רשימות, טבלאות, גושי קוד, הדגשה, כיתורים והפניות לתמונות — בדיוק אותם תכונות שמשפרות את איכות האחזור.
GroupDocs.Markdown for .NET ממיר פורמטים פופולריים של מסמכים (PDF, DOCX, XLSX, ePub, ועוד) ל‑Markdown סמנטי נקי, המתאים לטעינה במערכות RAG. מדובר בספרייה .NET שמופעלת במקומי, כך שכל העיבוד מתבצע בתוך הסביבה שלכם — ללא שירותים חיצוניים, ללא דליפות נתונים וללא תלות במעבדים מרוחקים.
איך להתחיל
GroupDocs.Markdown for .NET זמינה כחבילה ב‑NuGet, וכן כהורדות MSI ו‑ZIP.
התקנת החבילה דרך שורת הפקודה של .NET:
dotnet add package GroupDocs.Markdown
או הורידו מתקינים וקבצים מאתר ההורדות הרשמי: https://releases.groupdocs.com/markdown/net/
דוגמת שימוש (הוסיפו ל‑Program.cs):
// ייבא את המרחב
using GroupDocs.Markdown;
// קבע את הרישיון (אופציונלי עבור הערכה)
License.Set("GroupDocs.Markdown.lic");
// צור ממיר למסמך מקור
var converter = new MarkdownConverter("rich-text-formatting.docx");
// המר ושמור לקובץ פלט
converter.Convert("rich-text-formatting.md");
קובץ rich-text-formatting.md שהומר יישמר באותה תיקייה שבה נמצא היישום שלכם.
התמונה הבאה מציגה קובץ DOCX קלט וקובץ Markdown פלט.
אם תריצו ללא רישיון, מצב ההערכה יעבד מספר מוגבל של עמודים (למשל, שלושת העמודים הראשונים). כדי לנסות את המוצר במלואו, בקשו רישיון זמני.
לבקשת רישיון זמני, פתחו את Purchase Wizard, הזינו פרטי קשר ולחצו Get a temporary license בשלב Contact Details. הרישיון הזמני יישלח אליכם במייל.
מידע נוסף על רישיונות זמניים: https://purchase.groupdocs.com/temporary-license/.
פורמטים נתמכים
GroupDocs.Markdown for .NET תומכת במגוון רחב של פורמטים נפוצים בתאגידים ובספריות אלקטרוניות. רשימת ההרחבות המלאה:
- PDF
pdf
- גיליונות
.xls,.xlsx,.xlsb,.xlsm,.xlt,.xltx,.xltm,.xlam,.csv,.tsv,.ods,.ots,.fods,.numbers,.sxc
- Word / Rich Text
.doc,.docx,.dot,.dotm,.dotx,.docm,.rtf,.odt,.ott
- ספרים אלקטרוניים
.azw3,.mobi,.epub
- טקסט / סימון / עזרה
.chm,.xml,.txt
איך זה עובד (מבפנים) — רמה גבוהה
כאשר מסמך מעובד, מתרחשות שתי שלבים מרכזיים:
-
חילוץ מודל המסמך
המסמך מנותח למודל אובייקטים בזיכרון שמייצג אלמנטים מבניים (פסקאות, כותרות, רשימות, טבלאות, תמונות, הערות שוליים, ערות, וכן הלאה). הפענוח שואף לשמר משמעות (לדוגמה, מקביליות של רשימות, תאי טבלה, כיתורי תמונות). -
יצירת Markdown
מודל האובייקטים מתפרק ונכתב כ‑Markdown בהתאם לאפשרויות המרה קונפיגורביליות (כיצד להתמודד עם תמונות, עיצוב טבלאות, רמות כותרות, הערות מיוחדות, וכד׳). התוצאה היא קובץ Markdown קריא, בעל משמעות סמנטית, המוכן לאינדוקס על‑ידי צינור RAG שלכם.
דוגמת ייצוא
הקוד שלמעלה מדגים איך לייצא DOCX ל‑Markdown. בואו נבחן את קובץ המקור ואת קובץ הפלט כתצוגה.
קובץ מקור DOCX
הקובץ המקורי rich-text-formatting.docx מכיל מגוון בלוקים של תוכן והוא מעוצב במידה רבה כדי להדגיש את הרכיבים הסמנטיים המרכזיים.
Preview powered by GroupDocs.Viewer for .NET UI.
Markdown פלט
תוכן קובץ הפלט rich-text-formatting.md מופיע להלן, ומציג כיצד אלמנטים שונים של העיצוב מיוצגים בקובץ Markdown שנוצר.
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**
There is an image in a black border in the top right corner, but it will drop down into the text. There is also a transparent ellipse with text that overlaps the picture.
תמונה JPEG מקוונת בפסקה נפרדת.
 קיימת תמונה עם מסגרת שחורה בפינה הימנית העליונה, אך היא תצא לשורת הטקסט. בנוסף יש אליפסה שקופה עם טקסט שחור על‑פני התמונה.
תיבה טקסט אינליין  נמצא כאן ואליפסה אינליין  נמצא כאן.
פונקציית שדה מתמטי **בית** – סורק קובץ PDF
Unnamed
היפרקישור [Aspose.com](http://www.aspose.com)
תוכן עניינים
[עיצוב גופנים 1](#_toc76372684)
[עיצוב פסקאות 1](#_toc76372685)
[תווים לא‑אנגלית 2](#_toc76372686)
[טבלאות 2](#_toc76372687)
[רשימות 2](#_toc76372688)
[תמונות 4](#_toc76372689)
[שדות 5](#_toc76372690)
# **שדות טופס**
ערוך <a name="text1"></a>טקסט לבדיקה
תיבת סימון <a name="check1"></a>
תיבת combo <a name="dropdown1"></a>
# **הערות שורה והערות סוף**
בשורה זו יש הערת שורה בקצה.[^1]
בשורה זו יש הערת סוף בקצה.[^2]
[^1]: הערת שורה 1.
[^2]: הערת סוף 1.
סיכום
GroupDocs.Markdown for .NET מסייעת להמיר מגוון רחב של פורמטים למסמך Markdown סמנטי שמוכן למערכות LLM + RAG. הספרייה משמרת את מבנה המסמך ומשמעותו, פועלת במקום (on‑premise) ותומכת בפורמטים ארגוניים נפוצים — מה שהופך אותה לבחירה פרקטית לארגונים שרוצים להכין אוספי מסמכים גדולים לצריכה על‑ידי AI.
מידע נוסף
- דף מוצר: https://products.groupdocs.com/markdown/net/
- תיעוד: https://docs.groupdocs.com/markdown/net/
- מידע רישיון: https://about.groupdocs.com/legal/
- הורדות: https://releases.groupdocs.com/markdown/net/
תמיכת משתמשים ומשוב
לשאלות או סיוע טכני, השתמשו ב‑פורום התמיכה החינמי — נשמח לעזור.