Baklib发布日志

大部分企业中采用 Baklib 的时候，都很头疼数据迁移的事情，历史的文档往往是通过 PDF/Word 等格式存储在本地的， 如何更快的上到 Baklib 知识？为此我们借助 Google AI Studio 开发了一款简单易用的 AI PDF 转换工具。

工具地址：https://pdf.baklib.cn/

使用改工具的方法非常简单，只需要三步：

预处理本地文档 ---> 在线 AI 转换为 Excel  ---> 在 Baklib知识库中导入 Excel

为了让 AI 和数据库更好地理解文档，我们需要先对原始文件进行预处理。

1. 使用 WPS 拆分文档

由于 AI 模型通常对超长文档的处理能力有限，为了保证解析的准确性和安全性，我们需要对文档进行拆分。

• 提取目录： 通过 WPS打开PDF文档，在页面视图下找到目录页。选择“提取页面”功能，将目录页单独提取为一个独立的 PDF 子文档。

• 删除目录： 在原文档中删除刚才提取的目录页。

• 拆分正文： 选择“拆分文档”功能。

  💡 建议： 建议按 每 20 页 为一个单位，将大型文档拆分为多个小文档。 避免 AI 超时和出错。

2. 使用 AI 提取内容

接下来，我们需要将 PDF 转换为结构化的 Excel 数据（适配 Baklib 导入模板）。集成了 Gemini 模型的 PDF 提取能力：

打开 pdf.baklib.cn

1. 配置 API： 打开提取工具，填入你的 Gemini API Key。

2. 解析目录： 首先上传刚才提取的“目录文件” PDF，程序会识别文档的结构树。

3. 解析正文： 依次循环上传拆分好的内容文档。等待前一个解析完成后，再上传下一个，直至所有内容解析完毕。

4. 导出数据： 下载解析完成的 Excel 文件。

   • 检查点： 打开 Excel，确认表格列结构符合 Baklib 知识库的导入要求。

最后就是直接导入 Baklib知识库的操作了。详细教程见： https://help.baklib.cn/c1ed24/settings/0e3c/import-tasks

导入的数据文件支持csv、xls、xlsx，内容格式为html、Markdown格式。

通过提供的导入模版，将数据选择导入位置(默认为空间根目录，也可选择导入到文章下面某个子目录下)。