Серия
Практическая серия для конкретных задач: почему PDF не читается, что лучше загружать в нейросеть и когда Word или Excel стоит преобразовывать в Markdown.
Два PDF могут выглядеть одинаково, но внутри один содержит настоящий текст, второй - только изображения, а третий - ошибочный слой OCR. Разбираю три уровня проблемы и что делать в каждом случае.
PDF, обычный текст и Markdown сохраняют разные части исходного документа. Формат стоит выбирать по тому, что нейросеть должна понять: содержание, структуру или визуальный слой.
Word и Excel можно превратить в Markdown, чтобы получить структурированный текст для нейросети. Но DOCX и XLSX устроены по-разному: Word обычно переносится предсказуемее, а Excel может потерять формулы, связи между листами и визуальные обозначения.