uncle6me-web
922a57fe34
Self-hosted 開源：WASM 零件 + recipe + cypher-executor，跑在你自己的 Cloudflare。 此為重建的乾淨歷史起點（移除曾誤 commit 的 GCP SA 金鑰，舊歷史保留在 richblack/arcrun 與本地 backup 分支）。含： - acr init --self-hosted installer（建 KV/R2 + codeload 拉預編譯 wasm + wrangler deploy + seed recipe） - recipe push 把關（資料外流提醒 + 打通檢查） - 19 個正當零件預編譯 wasm（claude_api/km_writer/kbdb_upsert_block 排除：違反 DECISIONS §1） - CLI / cypher-executor / registry / 完整 SDD Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
41 lines
1.4 KiB
Markdown
41 lines
1.4 KiB
Markdown
# pdf-to-blocks
|
||
|
||
## 解決什麼問題
|
||
研究 / 學習：丟一份 PDF 進來，自動轉文字 + 切 chunk + 存 KBDB，之後可 RAG search。
|
||
適合做：論文閱讀庫、合約查詢、技術文件 RAG。
|
||
|
||
## 怎麼觸發
|
||
```bash
|
||
curl -X POST https://cypher.arcrun.dev/webhooks/named/pdf_to_blocks/trigger \
|
||
-H "X-Arcrun-API-Key: ak_xxx" \
|
||
-d '{
|
||
"api_key":"ak_xxx",
|
||
"pdf_url":"https://arxiv.org/pdf/2411.02959.pdf",
|
||
"title":"HtmlRAG",
|
||
"user_id":"inkstone_leo_research"
|
||
}'
|
||
```
|
||
|
||
## 怎麼用後續
|
||
搭配 `rag-search-answer` workflow：
|
||
```bash
|
||
curl ... rag_search_answer/trigger \
|
||
-d '{"question":"HtmlRAG 對 Markdown 的優勢是什麼?", "user_id":"inkstone_leo_research"}'
|
||
```
|
||
→ claude 從你剛 ingest 的 PDF chunks 找 context 回答
|
||
|
||
## 改成你自己的
|
||
- 替換 convert 來源（cto.finally.click 也有 convert，自家環境可用）
|
||
- `kbdb_ingest` 預設 chunk ~500 字，要改在 KBDB 端設
|
||
- `source: "pdf:{url}"` 是 idempotency key — 同 URL 重複 ingest 會被偵測
|
||
|
||
## 變體
|
||
- 接 `claude_api` 在 ingest 後跑「自動 tag」流程（每個 chunk 抽 keyword tag）
|
||
- 接 `email-summary` pattern：訂閱 arxiv RSS → 自動 PDF 收進來
|
||
- 把 ingest 結果 trigger `wiki_synthesis`（mira 用此 chain）
|
||
|
||
## 學到什麼
|
||
- KBDB 有 `/convert` endpoint 直接吃 PDF / DOC，不用自己處理 OCR
|
||
- `kbdb_ingest` 自動 chunking + embedding 一條龍
|
||
- `source: "{type}:{key}"` 是 KBDB idempotency 慣例
|