WordStar-archieven voorbereiden voor AI en RAG — offline

Waarom geen PDF voor RAG

PDF-extractie brengt layout-ruis terug. Markdown uit een native WordStar-parse houdt koppen en nadruk als structuur waarop een chunker kan splitsen — zonder afbreekvlag-rommel.

Het offline voorbereidingspad

• Batch-converteer `.ws` / `.wsd` / `.ws5`–`.ws7` naar Markdown op Windows.
• Houd originelen offline; voer alleen de Markdown-boom naar je indexer.
• Chunk op koppen en briefgrenzen, niet op ruwe vensters van 2k tekens door mojibake.
• Embed met je lokale of VPC-modelstack — plak nooit privileged brieven in een consumenten-chatvenster.

Wat de converter eerst moet herstellen

De kwaliteit van Retrieval-Augmented Generation (RAG) stort in als de brontekst nog high-bit-afbreekbytes en letterlijke `.pl 66`-regels bevat. Pak die lagen één keer uit, offline, en behandel Markdown daarna als system of record voor embedding.

Privacygrens

Conversie is lokaal. Je embeddingdienst is een aparte beslissing. Vervaag ze niet: krijg eerst schone Markdown op deze pc, pas daarna het AI-beleid toe dat je organisatie al voor andere documenten gebruikt.