Smithery is now a part of Arcade.dev! Read more in our announcement here
Wysokiej jakości konwerter PDF→JSON/Markdown dla AI - zachowuje reading order, strukturę tabel, headings...
Java-based (Python wrapper) parser PDF najwyższej jakości dla AI. Benchmarki: NID (reading order), TEDS (tabele), MHS (headings). Używany w pipeline Konwerter/ w vault.
python -m pip install --user opendataloader-pdf
Python 3.14, opendataloader-pdf 2.2.1. Wymaga Java 17+ (mamy Eclipse Adoptium JDK 17). CLI: python -m opendataloader_pdf albo opendataloader-pdf.exe ze Scripts/.
python -m opendataloader_pdf --input plik.pdf --output output/ --format md
python -m opendataloader_pdf \
--input "%USERPROFILE%/Documents/Obsidian Vault/wszystko co wpada szybko/" \
--output "%USERPROFILE%/Documents/Obsidian Vault/Konwerter/" \
--format md \
--recursive
--enrich-formula - wyciąga formuły LaTeX--enrich-picture-description - opis obrazów (wymaga --hybrid-mode full)--filter-hidden-text - wykrywa ukryty tekst (off by default, per-page rendering)import opendataloader_pdf
result = opendataloader_pdf.load("plik.pdf", output_format="markdown")
print(result.markdown)
| Narzędzie | |
|---|---|
| Prosty, tekst liniowy (blog, artykuł prasowy) | MarkItDown (szybsze) |
| Papers naukowe, raporty z tabelami | OpenDataLoader (jakość) |
| Dokumenty z 2-kolumnowym layoutem | OpenDataLoader (reading order) |
| Multi-page tabele | OpenDataLoader (TEDS) |
| Batch Konwerter/ (domyślnie) | OpenDataLoader |
Pipeline Konwerter (istnieje Python script w _vault-management/scripts/):
wszystko co wpada szybko/ lub dropowane bezpośrednioopendataloader-pdf --input <path> --format md --output Konwerter/type: source-pdf, tags: [pdf, zrodlo] - zgodnie z vault-rules.json → clippings.classification_rules.pdf_sourceKonwerter/ lub Attachments/c/Program Files/Eclipse Adoptium/jdk-17.0.10.7-hotspot/)--filter-hidden-text wyłącza parallelnpm run sync (dla kontrybutorów - nas nie dotyczy)Konwerter/, nie nadpisuj oryginalnych PDF.md już istnieje w output i checksumma PDF nie zmieniona → skipTe reguły obowiązują w każdym skillu tej wtyczki, także gdy sam skill milczy. Są skopiowane do każdego skilla, więc działają zarówno po instalacji całej wtyczki, jak i pojedynczego skilla.
Plugin obsługuje dokumenty: konwersję do Markdown, redlining .docx i anonimizację danych osobowych. Część operacji dotyka danych wrażliwych, więc reguła ochrony danych jest tu pierwsza.
let-it-be), zanim treść trafi do modelu. Dane osobowe nie powinny wychodzić do API. To zasada minimalizacji (RODO).Niektóre operacje są nieodwracalne (anonimizacja w trybie nieodwracalnym, zaakceptowanie wszystkich zmian w .docx). Skille oznaczają je jawnie - wykonuj je dopiero po potwierdzeniu przez człowieka.
Wynik to projekt. Nic nie zostaje wysłane ani złożone, zanim sprawdzi to uprawniony człowiek. Plugin przygotowuje plik, nie wykonuje aktu wysyłki.
Plugin daje narzędzia na dokumentach (konwersja, redline, anonimizacja, akta i chronologia). Nie ocenia treści prawnej. Weryfikację cytatu wobec źródła prawa daje plugin „fundament weryfikacyjny”; chronologia-stanowiska-pl sprawdza tylko, czy cytat stoi na wskazanej stronie akt.
