Biblioteca › Aprovisionamiento ›Normalización de formato
Normalización de formato
Todo el corpus a un formato común (normalmente Markdown): PDF, DOCX, HTML, correo → una sola bandeja estructurada antes de curar.
Fase recomendada
Sin cubrir genera aviso en el lienzo: puedes saltarla, pero conviene saber qué te pierdes.
Cómo elegir: comparativa de piezas
Generada desde el catálogo (dato, no código).
| Pieza | Qué hace | Pros | Contras |
|---|---|---|---|
| Todo a Markdown | PDF, DOCX, HTML, correo → Markdown conservando estructura (títulos, listas, tablas) |
|
|
| Texto plano (.txt) | Todo a texto plano: lo más simple, sin estructura |
|
|
| Tabular a CSV/JSON | Registros, hojas de cálculo y bases a formato tabular estándar |
|
|
| Conversión con LLM/IA | Documentos feos (escaneos, plantillas caóticas) → Markdown limpio con IA |
|
|