我需要从文档中获取结构化 JSON，以便将内容输入到 LLM 流水线中，而无需为每种文件类型编写自定义解析器。

将文档转换为结构化 JSON，以便可靠地将提取的内容传递到 LLM 流水线中。这消除了为每种文档类型构建和维护自定义解析器的需求，并使您的摄取工作流程在不同来源之间保持一致。

此功能输出文档内容的结构化 JSON 表示形式，以支持下游的 LLM 流水线和自动化工作流程。它专注于提供一种一致的、机器可读的格式，可以输入到分块、嵌入、检索或提示组装步骤中。通过标准化输出，您可以摄取多种文档类型，而无需为每种类型实施不同的解析方法。生成的 JSON 可用于保留有意义的结构（如章节和文本块），从而更好地控制内容的索引或摘要方式。这还有助于减少因格式不一致和源文件中的极端情况而导致的摄取错误。团队可以在项目间使用相同的 JSON 模式，以简化集成测试和监控。它对于构建可搜索的知识库、为问答系统提取内容以及准备用于微调或评估的语料库非常有用。它还可以支持需要原始内容结构化、可追溯表示的合规性或审计工作流程。总而言之，它通过生成更易于验证、转换和通过流水线路由的可预测 JSON 输出，简化了从文档到 LLM 的摄取过程。