В GitHub появился проект magicrew/doc7, задача которого связана с подготовкой документов для использования в ИИ-системах. Инструмент преобразует документы в Markdown и пытается сохранить не только текст, но и визуальное содержание исходного файла.
Обычные конвертеры часто забирают только слова из документа, теряя таблицы, структуру страниц и расположение элементов. Для моделей ИИ это может ухудшать качество анализа, особенно при работе с отчетами, презентациями и файлами со сложной версткой. Аналогичные подходы уже применяются в инструментах обработки документов, включая проекты с поддержкой анализа структуры страниц и визуальных элементов.
В открытом описании magicrew/doc7 указано, что проект создан для преобразования документов в AI-ready Markdown с визуальным пониманием. Это означает, что разработчики делают акцент на подготовке данных для дальнейшей работы с большими языковыми моделями, а не только на обычной конвертации форматов.
Подтвержденной информации о поддерживаемых форматах, лицензии, производительности и стабильности проекта пока недостаточно. Также неизвестно, насколько хорошо инструмент работает с разными типами документов в сравнении с уже существующими решениями.
Практическая польза таких инструментов заключается в сокращении ручной подготовки файлов перед загрузкой в ИИ-сервисы. Для пользователей, которые строят базы знаний, автоматизацию обработки документов или локальные ИИ-системы, качественное преобразование исходных файлов может быть важнее самой модели, которая затем анализирует данные.
