MarkItDown
Die unglamouröse Parsingschicht, die entscheidet, ob Ihr RAG überhaupt funktioniert.
MarkItDown konvertiert PDF, PowerPoint, Word, Excel, Bilder, Audio, HTML und Archive in Markdown, das ein Modell tatsächlich lesen kann. Es bewahrt die Tabellenstruktur und die Überschriftenhierarchie, anstatt alles in eine Textwand zu flatten, was genau der Punkt ist, an dem die meisten RAG-Pipelines die benötigten Informationen verlieren. Es ist eine Bibliothek und eine CLI, daher kann es problemlos in einen Ingest-Job integriert werden, ohne dass eine Architektsentscheidung erforderlich ist.
Am besten für: Die Ingest-Phase jedes RAG-Systems, das reale Office-Dokumente verarbeitet
Deployment: Selbst hostbar
RAG in Produktion — Playbook
Chunking-Strategien, Reranking-Setups, Evaluations-Harnesses und die sieben Fehlerbilder, an denen jede RAG-Demo in Woche drei stirbt.