MarkItDown
Lapisan parsing yang tidak glamor, tapi menentukan apakah RAG Anda bekerja sama sekali.
MarkItDown mengubah PDF, PowerPoint, Word, Excel, gambar, audio, HTML, dan arsip menjadi Markdown yang benar-benar bisa dibaca model. Ia mempertahankan struktur tabel dan hierarki heading alih-alih meratakan semuanya jadi dinding teks — dan justru di situlah kebanyakan pipeline RAG kehilangan informasi yang dibutuhkan. Tersedia sebagai library dan CLI.
Cocok untuk: Tahap ingest pada sistem RAG apa pun yang menyentuh dokumen kantor sungguhan
Deployment: Bisa self-host
Paket rekomendasi
Playbook RAG di Production
Strategi chunking, setup reranking, evaluation harness, dan tujuh mode kegagalan yang membunuh setiap demo RAG di minggu ketiga.
$19
Beli →