657 mil documentos después: cómo convertimos TODO el DOF a Markdown
De 657,867 archivos .doc del Diario Oficial de la Federación a Markdown limpio: herramientas, resultados y lo que falta por hacer.
Equipo DOF-RAGLeer más
#Markdown
3 publicacionescon esta etiqueta
Cuatro pasos para procesar el DOF: conversión, limpieza, análisis y estructura
Del archivo WORD descargado al Markdown estructurado listo para embeddings: un recorrido por nuestro pipeline de procesamiento completo que incluye conversión con LibreOffice, filtros LUA personalizados, análisis de imágenes con Gemini y arquitectura de directorios robusta.
Equipo DOF-RAGLeer más
La batalla de los convertidores: Nuestra experiencia extrayendo texto del DOF
Un análisis comparativo de las diferentes herramientas para convertir PDFs a markdown y por qué elegimos Marker para nuestro proyecto DOF-RAG.
Equipo DOF-RAGLeer más