Preparar ficheiros WordStar para AI e RAG — Off-line

Porque não PDF para RAG?

A extração PDF reintroduz ruído de layout. Markdown de uma análise WordStar nativa mantém os títulos e a ênfase como estrutura na qual um chunker pode se dividir, sem lixo de wrap-flag.

O caminho de preparação offline

• Converter em lote `.ws` / `.wsd` / `.ws5`–`.ws7` para Markdown no Windows.
• Mantenha os originais offline; forneça ao indexador apenas a árvore Markdown.
• Divida por cabeçalhos e limites de cartas, não em janelas de 2k caracteres em bruto cheias de mojibake.
• Gere embeddings com a sua pilha de modelos local ou na VPC — nunca cole cartas confidenciais numa caixa de chat para consumidores.

O que o conversor deve consertar primeiro

A qualidade da geração aumentada de recuperação (RAG) entra em colapso se o texto de origem ainda contiver bytes de quebra de bits altos e linhas `.pl 66` literais. Desembrulhe e interprete essas camadas uma vez, offline, e então trate Markdown como o sistema de registo para incorporação.

Limite de privacidade

A conversão é local. O seu serviço de embeddings é uma decisão separada. Não as confunda: primeiro produza Markdown limpo neste PC e depois aplique a política de IA que a sua organização já usa para outros documentos.