pdf-mcp

pip install pdf-mcp

Căutarea este hibridă: combină rezultatele BM25 bazate pe cuvinte-cheie cu cele semantice prin fuziunea rangurilor reciproce și poate acoperi un dosar întreg, atribuind rezultatele fiecărui fișier. Citirea este apoi paginată, astfel încât sunt procesate numai paginile relevante. Elementul important este încrederea în conținut: textul redat invizibil, scris cu dimensiuni sub un punct, alb pe alb sau poziționat în afara paginii este semnalat, nu preluat ca și cum ar fi fost verificat de o persoană — exact vectorul folosit pentru injecții de prompt ascunse în documente. Nimic nu este eliminat; marcajul rămâne la dispoziția agentului pentru evaluare. Graficele sunt citite din geometria vectorială și transformate în tabele de coordonate, textul japonez vertical este reordonat geometric, iar rezultatele sunt stocate în cache în SQLite între reporniri.