Como o NoteIA lê um PDF de 200 páginas

A nossa abordagem à segmentação e à citação à página.

Um PDF de 200 páginas não é um texto. É um objeto híbrido: sumário, anexos, tabelas, notas de rodapé, paginação que muda. Injetá-lo tal qual num motor dá resultados medíocres. É assim que fazemos.

Segmentar, não truncar

O primeiro erro seria cortar o documento em blocos de tamanho fixo, a couro. Obtêm-se fragmentos que partem uma frase em dois e perdem o contexto.

A nossa abordagem: segmentar segundo a estrutura do documento — títulos, secções, parágrafos — mantendo a numeração de página original. Cada fragmento sabe de onde vem.

Manter a página como ancora

A citação à página não é um detalhe. É o que separa uma síntese verificável de uma alucinação.

Quando o NoteIA redige um resumo, cada afirmação fica ligada a um fragmento, e cada fragmento a uma página. Podes voltar à fonte, no documento inicial, sem adivinhar.

Ler inteiro, citar no momento certo

Lemos o documento inteiro — não só o início, não só o sumário executivo. Mas não vomitamos tudo na resposta: citamos o que é relevante, no momento em que é relevante.

É a diferença entre uma ferramenta que «leu» o documento e uma que fez qualquer coisa com ele.

O que aprendemos com cada documento

Cada PDF é um caso de estudo. As tabelas, as notas de rodapé, os anexos colocam cada um um problema diferente. Ajustamos a segmentação documento atrás de documento, sem nunca sacrificar a citação.