curso-langchain/slides/pages/rag/18.md

layout

layout
default

Paso 1: Cargar el PDF y dividir en chunks

import { PDFLoader } from "@langchain/community/document_loaders/fs/pdf";
import { RecursiveCharacterTextSplitter } from "@langchain/textsplitters";

// Cargar PDF (cada página → un Document)
const loader = new PDFLoader("./docs/manual-usuario.pdf");
const docs = await loader.load();
console.log(`📥 ${docs.length} páginas cargadas`);

// Dividir en chunks pequeños para mejor búsqueda
const splitter = new RecursiveCharacterTextSplitter({
  chunkSize: 1000,
  chunkOverlap: 200,
});
const chunks = await splitter.splitDocuments(docs);
console.log(`📄 Dividido en ${chunks.length} chunks`);

• chunkSize: tamaño máximo de cada trozo en caracteres
• chunkOverlap: solapamiento entre chunks para no perder contexto