Zerox

ソースコード読んでみる

ブランチ

ステップ

convert_pdf_to_images

PDFを画像に変換する

processor.pdf.process_page

litellmmodel.completion

画像からmarkdown形式に変換、実質メインの処理

litellmmodel._prepare_messages

LLMに投げるためのリクエストを作成する

変換用のプロンプトは以下の感じで結構シンプル

Convert the following PDF page to markdown.

Return only the markdown with no explanation text.

Do not exclude any content from the page.

直前の出力結果があれば、それも投げてフォーマットを保持するようにする

Markdown must maintain consistent formatting with the following page:

画像データはbase64として渡す

後は作ったメッセージをlitellm.acompletionに投げるだけ

processor.text.format_markdown

LLMの出力をmarkdownに整形する

中では正規表現で簡単に置換しているだけ