An LLM yalnızca alım adımı koruyanı geri getirebilir, bu yüzden bir RAG boru hattının ilk görevi Word, PDF, Excel ve e‑kitap dosyalarını temiz Markdown’a dönüştürmektir. GroupDocs.Markdown.Mcp ile bir AI ajan bu işlemi yerel olarak, Claude Desktop, Claude Code, Cursor veya başka bir MCP istemcisinden yapar ve dosyalar asla makinenizden çıkmaz:

Bu klasördeki tüm PDF’leri Markdown’a, görüntüleri dosya olarak, ön bilgi (front matter) ile dönüştür.

Yapılandırma ve sorun giderme ile adım adım sürüm belgelerde bulunabilir: AI ajan ile RAG için belgeleri Markdown’a dönüştürme.

Çoğu RAG boru hattı neden yanlış dönüşüm adımıyla başlar?

Genellikle dönüşüm bir tesisat gibi ele alınır: dosyaları en yakın ayrıştırıcıya gönder, geri gelen metni kabul et ve gömmeler üzerine çaba harca. Bu, önemin sırasını tersine çevirir. Bir chunker başlıklara göre bölüştürür, hücre değerleri akışı olarak gelen bir tablo hiçbir soruya yanıt vermez ve üçüncü taraf bir ayrıştırıcıya yüklenen bir korpus, planlamadığınız bir ifşadır. Geri getirme kötü olduğunda, neden boru hattının dokunduğu ilk dosyada olabilir.

Bu gönderi üç düzeltme önerir: adımı kendi makinenizde tutun, çıktı seçeneklerini bilinçli seçin ve sonuca güvenmek yerine doğrulayın.

Bulut ayrıştırıcı belge alımı için doğru yer mi?

İç bir korpus için genellikle değil. Alım, sahip olduğunuz her belgeyi gören tek aşamadır: politikalar, fiyat listeleri, ölüm sonrası raporlar. Hepsini alan bir ayrıştırma hizmeti tüm arşivi görür, tek bir dosyayı değil.

GroupDocs.Markdown.Mcp MCP stdio taşımasını kullanır. AI istemciniz sunucuyu bir alt süreç olarak başlatır ve veri yolu ajan, yerel sunucu, yerel dosya sistemi şeklindedir. Sunucunun gelen bağlantı noktaları, dış uç noktaları ve telemetrisi yoktur. Sadece ajanın yanıtlarında yazdığı şey model sağlayıcıya gider. Ölçülen lisanslama, dış trafiğe ihtiyaç duyan tek durumdur: kullanım raporlar, belge içeriğini asla raporlamaz ve bir lisans dosyası çevrim dışı çalışır.

Docker ile başlatın:

docker run --rm -i -v $(pwd)/documents:/data \
  ghcr.io/groupdocs-markdown/markdown-net-mcp:latest

veya, .NET 10 SDK ile, dnx GroupDocs.Markdown.Mcp --yes. GROUPDOCS_MCP_STORAGE_PATH değişkenini korpusun bulunduğu klasöre yönlendirin.

Hangi GroupDocs sunucusu Markdown’a dönüştürür: Markdown mı yoksa Conversion mı?

İkisi de Markdown üretebilir ve farklı sorulara yanıt verir.

İhtiyacınız olan Kullanım
Yapıyı koruyan Markdown, görüntüler, lezzet, sayfa seçimi ve front matter üzerinde kontrol ile GroupDocs.Markdown.Mcp (this server)
Birçok hedeften biri olarak Markdown, ya da aynı iş akışında DOCX’ten PDF’e, PDF’ten XLSX’e GroupDocs.Conversion.Mcp, her iki yönde 100+ formatı kapsar

Markdown hedef ise ve kalitesi önemliyse, özel motoru seçin. Birçok format arasında dönüştürme yapıyorsanız ve Markdown sadece bunlardan biri ise, genel dönüştürücüyü seçin; PDF yolu PDF’leri LLM için hazır Markdown’a dönüştürmenin 3 yolu (ve neden yerel kazanır) içinde ele alınmıştır.

Markdown’ı RAG alımı için en iyi format yapan nedir?

Başlıklar korunur, tablolar tablo olarak kalır, listeler liste olarak kalır. Bunlar chunker ve embedder’ın çalıştığı birimlerdir. Sunucu DOCX, DOC, RTF, ODT, XLSX, XLS, ODS, CSV, TSV, EPUB, MOBI, TXT, CHM ve 20+ başka formatı tek bir araç convert_to_markdown ile dönüştürür. Word ailesi kaynakları en temiz şekilde dönüştürülür çünkü yapıları dosyada açıkça bulunur. Elektronik tablo sayfaları Markdown tablolarına dönüşür.

Bir indeks için üç seçenek önemlidir:

Seçenek Alım ayarı Sebep
images "file" veya sadece metin için "skip" Varsayılan base64, çok megabaytlık bir veri URI’sini bir chunk’un ortasına yerleştirir
frontMatter true Başlık, yazar, format ve sayfa sayısı içeren YAML, chunk meta verisi olur, böylece bir yanıt belge başlığını dosya adını değil, alıntılayabilir
flavor "github" (varsayılan) veya "commonmark" Sonucu okuyan ayrıştırıcıyla eşleşir

Örnek oturum (kısaltılmış)

You:   Before converting anything: what is the license status of the markdown server?
Agent: get_license_status -> mode: licensed, engine GroupDocs.Markdown 26.3, server 26.9.0.
You:   Convert every PDF in this folder to Markdown, images as files, with front matter.
Agent: convert_to_markdown (images: "file", frontMatter: true) for each PDF.
       Saved one .md per document, with extracted images alongside.
You:   For each converted file, give me the source page count and the Markdown length.
Agent: get_document_info for each source, then the length of each saved .md.
       One 300-page file produced only 4 KB of Markdown: likely a scan.

İndekslemeden önce korpusu nasıl kontrol ederim?

Çalışmayı, gözden geçirene kadar güvensiz olarak ele alın. Tek bir istem (prompt) çoğu hatayı yakalar:

Her dönüştürülmüş dosya için, kaynak sayfa sayısını ve ortaya çıkan Markdown uzunluğunu bana söyle.

get_document_info dönüştürme yapmadan fileName, fileFormat, pageCount, title, author ve isEncrypted döndürür, böylece ajan sayfa sayısını yazdığıyla karşılaştırabilir. 300 sayfalık bir kılavuzun 4 KB Markdown’a dönüşmesi bir tarama ya da kesilmiş bir çalışmadır.

Taranmış PDF’ler katı bir sınırlamadır. Metin katmanı yoktur ve bu sunucunun OCR adımı yoktur; bu dosyaları ayrı şekilde işleyin.

Dürüst sınırlamalar: değerlendirme sınırı

Lisans olmadan sunucu değerlendirme modunda çalışır; sadece ilk 3 sayfa işlenir ve her birine değerlendirme filigranı eklenir. Çıktı geçerli bir Markdown’dur ve geri kalanın atlandığını raporlayan bir şey yoktur, bu yüzden bu şekilde oluşturulan bir indeks tam gibi görünür ancak neredeyse boştur. Her alım çalıştırmasında ilk çağrı olarak get_license_status yapın.

SSS

RAG alımı için en iyi format nedir?

Markdown, chunker’lar ve embedder’lar başlıkları, listeleri ve tabloları iyi işlediği için güçlü bir tercihtir. Chunk’ların base64 içermemesi ve kaynak meta verilerini koruması için images: "file" ve frontMatter: true kullanın.

Belgeleri yüklemeden Word’ü LLM için Markdown’a dönüştürebilir miyim?

Evet. GroupDocs.Markdown.Mcp stdio üzerinden yerel bir süreç olarak çalışır ve ajan, yapılandırdığınız klasörden dosyaları okur.

PDF’yi vektör veritabanı için Markdown’a dönüştürüyor mu?

Metin katmanı olan PDF’leri, başlıklar, listeler ve tablolar kaynakta izin verildiği sürece geri kazanarak dönüştürür. Taranmış PDF’lerde dönüştürülecek metin yoktur ve OCR adımı yoktur.

Daha derine in