# PDF-ek a Claude Code-ban: konvertálás, tokenek és a szerkezet megőrzése > MarkItDown, PyMuPDF4LLM, MCP, teljes konvertáló szkriptek, PDF-korlátok, valamint azok az esetek, amikor a vizuális elemzés fontosabb a tokenmegtakarításnál. Source: https://ailoot.ai/blog/hu/pdf-claude-code-markdown/ Canonical: https://ailoot.ai/blog/hu/pdf-claude-code-markdown/ Language: hu Publisher: Ailoot (https://ailoot.ai/) Translation: guide-196 Revision: sha256-ef16bc0dc93f2b17d417cff019324bc27ccf7ec5b450747e3ba839187abb8a62
Fő tanulság A Claude Code-ban minden PDF-oldal 1,500–3,000 tokenbe kerül már az első kérdés előtt – és az Anthropic ezt világosan leírja a dokumentációjában. Az alábbi szemléltető számításban egy 15 oldalas jelentés 4 különböző beszélgetésben 135,000 PDF-bemeneti token, körülbelül $0.40, míg Markdownban 18,000 token, $0.054, nagyjából 87%-kal kevesebb. Ez oldalanként 2,250 PDF- vagy 300 Markdown-tokent feltételez a példa bemeneti árával; a tényleges dokumentumok eltérnek. Ez az útmutató három konvertálási módszert (MarkItDown, PyMuPDF4LLM és egy MCP-szerver), valamint egy kész bash-szkriptet mutat be egy dokumentummappához.
Az Ailoot használatára vonatkozó gyakorlati útmutatót a [dokumentációban](https://ailoot.ai/docs/) találja.
## Mi történik egy PDF-fel a Claude-ban, és miért kerül oldalanként 1,500–3,000 tokenbe?
Fő tanulság Amikor PDF-et töltesz fel a Claude Code-ba, az nem szöveges fájlként olvassa el. Először minden oldal képpé alakul, majd szöveget nyer ki belőle, és mindkét réteg – a kép és a szöveg – egyszerre kerül be a kontextusba. Ezért foglal el egy oldal 1,500–3,000 tokent, egy 50 oldalas dokumentum pedig 75,000–150,000 tokent használhat fel még azelőtt, hogy feltennéd az első kérdésedet.
Az Anthropic hivatalos dokumentációja három egyszerű lépésben írja le a folyamatot:

A rendszer a dokumentum minden oldalát képpé alakítja. Az egyes oldalakról kinyert szöveg az oldal képével együtt kerül átadásra. A Claude a szöveget és a képeket is elemzi, hogy jobban megértse a dokumentumot.

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
Ez logikusnak hangzik, de a feldolgozás költsége az oldalak számával arányosan nő. És íme az az adat, amely megmagyarázza, miért fogy el az előfizetési kereted egyetlen PDF miatt:

Egy oldal jellemzően 1,500–3,000 tokent használ a tartalom sűrűségétől függően. Mivel minden oldal képpé alakul, a költség megegyezik a hagyományos képekével.

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
Hogy lásd, ez mennyi, az Anthropic ugyanazt a 3 oldalas PDF-et mérte meg Bedrockon két módban. Szöveges módban (Converse Document Chat) ~1,000 tokent használt. Vizuális elemzéssel (Claude PDF Chat) ~7,000 tokent. A képek bevonása **7-szer drágábbá** teszi a feldolgozást. Az oldalak képernyőképei még rosszabbak. Egy 1000×1000 képpontos képernyőkép körülbelül 1,300 tokenbe kerül. A mechanizmus egyszerű: a PDF-ek azért drágák, mert a Claude nem bízik a saját OCR-jében. A szöveget és a képet is használja, hogy összehasonlíthassa őket – te pedig mindkét rétegért egyszerre fizetsz. Nagy dokumentumoknál másképp is eljárhatsz: mentsd a fájlt Markdownként a projektmappádba, és mondd a Claude-nak: „itt egy információkat tartalmazó dokumentum – bontsd szét.” A tartalmat a saját fájljai között osztja el, majd rendszerezett szöveggel folytatja a munkát ahelyett, hogy mindent egyszerre dolgozna fel. ## Mennyi tokenbe kerül egy PDF egy tipikus feladat során?
Fő tanulság Vegyünk egy 15 oldalas nyilvános jelentést 4 helyzethez: elemzéshez, idézetekhez, fordításhoz és összefoglalóhoz. Tegyük fel, hogy PDF-oldalanként 2,250, konvertált Markdown-oldalanként 300 bemeneti token kell, azonos bemeneti áron. A PDF újrafeltöltése 135,000 bemeneti token, körülbelül $0.40; a Markdown 18,000, $0.054. A körülbelül 87% megtakarítás ezekből a feltételezésekből ered, nem minden PDF méréséből.
A konkrét számok (Sonnet 4.x modell, a bemenet ára $3 millió tokenenként): | Módszer | Tokenek (15 oldal, 4 beszélgetés) | Költség | |------------------------------|-----------------------------|-------------| | PDF közvetlen feltöltése 4 alkalommal | 15 × 2250 × 4 = **135,000** | ~$0.40 | | PDF → Markdown + 4 beszélgetés | 15 × 300 × 4 = **18,000** | ~$0.054 | | Megtakarítás | **−87%** | **−$0.35** | Ez pedig csak egy 4 kérésből álló ciklus. Ezután lép életbe a prompt caching (alapértelmezés szerint 5 perces TTL, kiterjesztett szinten akár 1 óra, az időablakon belüli ismételt hívásokra pedig akár 90% kedvezménnyel) – így a megtakarítás megsokszorozódik. Minden alkalommal, amikor ugyanazt a PDF-et egy új beszélgetésben töltöd fel, a Claude újra elolvassa; a gyorsítótár nem vihető át a beszélgetések között. Ha ugyanazt a 15 oldalas PDF-et egyszer Markdownná alakítod, majd négy új beszélgetés mindegyikébe `.md` fájlként viszed be, e példa 15 × 300 × 4 = 18,000 bemeneti tokent használ 135,000 helyett. A konvertált oldalanként 300 és PDF-oldalanként 2,250 token a számítás feltételezése, nem minden PDF mért állandója. Megtakarításbecslés előtt számold meg a tényleges dokumentumot, és igazold a konverzió minőségét. A számítás Claude Pro-előfizetéssel még jelentősebbé válik. Egyetlen 100 oldalas jelentés kimerítheti a teljes 5 órás keretet. Markdownná alakítás után 10+ ilyen dokumentum is belefér ugyanabba a keretbe. ## Milyen API-korlátok vonatkoznak az Anthropicnál a PDF-ekre 2026-ban?
Fő tanulság Az Anthropic szigorú korlátokat szab: kérésenként legfeljebb 32 MB (az összes tartalommal együtt, nem csak a PDF-fel) és legfeljebb 600 oldal. A jelenlegi Sonnet 4.x és Opus 4.x modelleknél azonban, 200K kontextussal, alacsonyabb a határ: **100 oldal**. PDF-et háromféleképpen küldhetsz: URL-lel, Base64-kódolással vagy a Files API-n keresztül, `file_id` azonosítóval történő újbóli felhasználásra. A Files API-t és a részekre bontást hosszú dokumentumokhoz használják.
Az Anthropic dokumentációja az elején sorolja fel a korlátokat (2026. május 31-i állapot szerint): | Követelmény | Korlát | |-----------------------------|--------------------------------------------| | A kérés maximális mérete | 32 MB (platformtól függően változik) | | A kérésenkénti oldalak maximális száma | 600 (100 a 200K tokenes kontextusú modelleknél) | | Formátum | Szabványos PDF, jelszó és titkosítás nélkül |

Mindkét korlátozás a teljes kérés törzsére vonatkozik, beleértve a PDF mellett küldött tartalmat is. Nagy PDF-ek esetén használd a Files API-t, és hivatkozz rájuk `file_id` segítségével, hogy a kérés törzse kicsi maradjon.

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
A Claude.ai (a fogyasztóknak szánt webalkalmazás) korlátai eltérnek: fájlonként legfeljebb 500 MB, egy beszélgetésben pedig legfeljebb 20 fájl. A vizuális elemzés azonban csak a legfeljebb 100 oldalas PDF-eknél működik – ezen túl a Claude csak a szöveget látja, a grafikonokat és diagramokat nem. Három módja van annak, hogy PDF-et küldj az API-n keresztül: 1. **URL-lel** - `"source": {"type": "url", "url": "..."}` - ez a legegyszerűbb, ha a dokumentum online van. 2. **Base64-kódolással** - `"source": {"type": "base64", "media_type": "application/pdf", "data": "..."}` - helyi fájlokhoz. 3. **A Files API-n keresztül** - `"source": {"type": "file", "file_id": "file_abc123"}` - ismételt kérésekhez; ehhez szükség van a `anthropic-beta: files-api-2025-04-14` béta fejlécére. A Files API a legfontosabb megtakarítási lehetőség, ha ugyanazzal a PDF-fel dolgozol különböző beszélgetésekben. Töltsd fel egyszer, kérj egy `file_id`-t, majd minden interakcióban ezt használd. `cache_control: ephemeral` beállítással az ismételt hívások a normál ár 10%-ába kerülnek. Az Anthropic hivatalos tanácsokat is ad a használat minimalizálásához:

A sűrű PDF-ek (sok apró szöveggel, összetett táblázatokkal vagy sok grafikával) már az oldalkorlát elérése előtt megtölthetik a kontextusablakot. Próbáld a dokumentumot részekre bontani; nagy fájlok esetében feltöltés előtt csökkentsd a beágyazott képek felbontását.

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
## 1. módszer: Hogyan állítsd be a MarkItDownt 5 perc alatt?
Fő tanulság A MarkItDown a Microsoft AutoGen csapatának Python-segédeszköze, amely PDF-, DOCX-, PPTX-, XLSX-, HTML-fájlokat, hanganyagokat, képeket, sőt YouTube-videókat is tiszta Markdownná alakít. A GitHubon 134 ezer csillaga van, MIT-licenc alatt érhető el, és egyetlen paranccsal telepíthető: `pip install 'markitdown[all]'`. A használata is ilyen egyszerű: `markitdown document.pdf > document.md`. Ez a legsokoldalúbb eszköz a fájlok Claude Code használata előtti konvertálásához.
A MarkItDown a Microsoft hivatalos projektje, amelyet az AutoGen csapata tart karban. A GitHubon 134 ezer csillaga és 9.2 ezer forkja van (2026. május végi állapot szerint). A README közvetlenül megfogalmazza a célját:

Könnyű Python-segédeszköz fájlok Markdownná alakításához LLM-ekkel és szövegelemzési folyamatokkal való használatra.

— Microsoft, https://github.com/microsoft/markitdown
Támogatott formátumok: - **Dokumentumok:** PDF, DOCX, PPTX, XLSX - **Web:** HTML, JSON, XML, CSV - **Média:** átírással kiegészített hanganyagok, EXIF-adatokkal és OCR-rel feldolgozott képek, YouTube-videók (feliratokon keresztül) - **Archívumok:** ZIP, EPub - **Egyéb:** az Outlook MSG-fájlok összes melléklete ### Telepítés Követelmény: Python 3.10+ (macOS rendszeren ez általában már telepítve van; Windows rendszeren külön kell telepíteni). ```bash pip install 'markitdown[all]' ``` Ha nincs szükséged minden formátumra, csak a kiválasztottakat is telepítheted: ```bash pip install 'markitdown[pdf, docx, pptx]' ``` ### Egyetlen fájl konvertálása A legegyszerűbb eset: ```bash markitdown document.pdf > document.md ``` Ezután a `document.md` megjelenik az aktuális mappában. Vidd be a Claude Code-ba az `@document.md` használatával, vagy egyszerűen tedd a projekted mellé. ### Python API Ha be szeretnéd építeni a szkriptedbe: ```python from markitdown import MarkItDown md = MarkItDown() result = md.convert("research-paper.pdf") print(result.text_content) # You can save it straight away: with open("research-paper.md", "w") as f: f.write(result.text_content) ``` ### Amire a MarkItDown NEM képes - **OCR szkennelt PDF-ekhez** - nem ad vissza semmit. A szkennelt dokumentumokhoz PyMuPDF4LLM vagy Docling szükséges. - **Összetett, többhasábos elrendezések kezelése** - összekeverheti az olvasási sorrendet. - **PDF-ekbe ágyazott URL-ek megőrzése** - ezeket nem őrzi meg. Egyszerű PDF-ekhez (jelentésekhez, cikkekhez, dokumentációhoz) a MarkItDown a legjobb választás: sokoldalú eszköz, egy perc alatt telepíthető, és nem igényel Python-ismereteket. A cirill betűs szöveget és szkennelt oldalakat tartalmazó dokumentumokon nyújtott teljesítményét a [PDF szöveggé alakításáról szóló, AI-nak készült útmutató](https://ailoot.ai/blog/hu/markitdown-pdf-word-to-text/) elemzésének mérései mutatják be. ## 2. módszer: Mit kínál a PyMuPDF4LLM, és mikor jobb választás?
Fő tanulság A PyMuPDF4LLM az Artifex Software projektje, amely a natív C nyelvű MuPDF motorra épül. Ez a leggyorsabb PDF-konverter (nincs szükség GPU-ra); az intelligens OCR csak az olvashatatlan részeken fut le, és 50%-kal csökkenti a feldolgozási időt. Ez az egyetlen népszerű eszköz, amely megőrzi a PDF-ekbe ágyazott URL-eket és képeket. Hátránya a kettős, AGPL v3 / Artifex kereskedelmi licenc: SaaS-projekteknél az AGPL azt jelenti, hogy közzé kell tenned a kódodat.
A MarkItDown a formátumok széles választékát kínálja; a PyMuPDF4LLM a PDF-feldolgozás mélységét adja.

Könnyű PyMuPDF-bővítmény, amely minimális beállítással alakítja a PDF-eket tiszta, strukturált adatokká.

— Artifex Software, https://pymupdf.readthedocs.io/en/latest/pymupdf4llm/
A 2026. május 31-i verzió az 1.27.2.3 (megjelent 2026. április 24-én). ### Mit tartalmaz - Többhasábos oldalak helyes olvasási sorrenddel - GitHub-flavored Markdownná alakított táblázatok - A fejléc és a lábléc automatikus eltávolítása - Képek kinyerése relatív hivatkozásokkal egy külön mappába - Intelligens OCR: csak az olvashatatlan részekre alkalmazva ~50% feldolgozási időt takarít meg - Natív C motor, **nincs szükség GPU-ra** ### Telepítés ```bash pip install pymupdf4llm ``` ### Használat ```python import pymupdf4llm # Basic use - straight to Markdown: md_text = pymupdf4llm.to_markdown("document.pdf") # Save it: with open("document.md", "w") as f: f.write(md_text) ``` Egyetlen sorban, ahogy ígértük: ```bash python3 -c "import pymupdf4llm; \ open('document.md','w').write(pymupdf4llm.to_markdown('document.pdf'))" ``` ### Mikor válaszd a PyMuPDF4LLM-et a MarkItDown helyett? - Ha a PDF sok megőrzendő hivatkozást tartalmaz (a MarkItDown elveszíti őket). - Ha a dokumentum szkennelt, és OCR-re van szükséged. - Ha helyben több ezer fájlt kell gyorsan feldolgoznod – a natív C motor gyorsabb a Python-wrapperöknél. - Ha a PDF-ből származó képekre egy külön mappában van szükséged további feldolgozáshoz. ### Licencelési részletek (üzleti felhasználásnál fontos) A PyMuPDF4LLM kettős licencelésű: AGPL v3 VAGY Artifex kereskedelmi licenc. **Mit jelent az AGPL:** ha a könyvtárat nyilvános SaaS-ban használod, a szolgáltatásod teljes forráskódját ugyanazon AGPL alatt kell közzétenned. Belső használat esetén (például a laptopodon futtatott szkriptnél) nincs korlátozás. Ha kereskedelmi fejlesztést végzel a kód közzététele nélkül, vásárolj licencet az Artifextől (artifex.com). Az árak nincsenek közzétéve; az értékesítési részlegtől kell ajánlatot kérni. Ha ügyfeleknek építesz terméket, már az elején ellenőrizd a licencet. A MarkItDown (MIT) és a Docling (MIT) biztonságosabb választás SaaS-hoz. ## 3. módszer: Hogyan csatlakoztasd a MarkItDown MCP-szervert a Claude Code-hoz?
Fő tanulság A MarkItDown MCP-szerver ugyanaz a MarkItDown MCP-protokollba csomagolva, így a Claude Code menet közben konvertálhat PDF-eket anélkül, hogy az eredeti fájlt betöltené a kontextusba. Egyetlen uv-paranccsal csatlakoztatható, rögzített verzióval: `markitdown-mcp@0.0.1a7`. A Claude által kapott eszköz neve `convert_to_markdown(uri)`. Tétlen állapotban ~110 tokenbe kerül a skill leírása, használaton kívül pedig semmibe.
A MarkItDown CLI-módban azt jelenti: „előre, kézzel konvertálom a fájlokat”; az MCP-szerver pedig ezt: „a Claude Code dönti el, mikor konvertál.” ### Telepítés Szükséged lesz az uv csomagkezelőre. Nem kell külön telepíteni a szervert; az uv az első futtatásakor letölti. ### Beállítás a Claude Code-ban Egyetlen paranccsal csatlakoztathatod a szervert az összes projektedhez, rögzített verzióval: ```bash claude mcp add --scope user --env 'ORT_DISABLE_TELEMETRY=1' --env 'UV_PYTHON=3.12' --transport stdio markitdown -- uvx markitdown-mcp@0.0.1a7 claude mcp list ``` A `markitdown` bejegyzésnek „Connected” állapotot kell jeleznie. Az első indítás körülbelül hetven csomagot tölt le, és akár egy percig is tarthat; utána a szerver egy-két másodperc alatt elindul. Ezért van szükség a parancsban a két változóra. Az `ORT_DISABLE_TELEMETRY=1` letiltja azokat a statisztikákat, amelyeket a szerverben működő onnxruntime motor alapértelmezés szerint elküld a Microsoftnak Macen és Linuxon. Az `UV_PYTHON=3.12` Python 3.12-vel futtatja a szervert, amelyhez előre elkészített csomagok érhetők el Windowsra, Linuxra és Apple Siliconnal szerelt Mac gépekre. Intel Macen, valamint macOS 13 és korábbi verziókon a szerver nem települ Python 3.14-gyel. Az Intel és a 3.12 használatával kapcsolatban van egy kitétel: az uv forrásból építi fel a cryptography könyvtárat, mert 2026 júniusa óta nem érhető el hozzá előre elkészített Intel-csomag. A telepítés tovább tart, és sikertelen is lehet. Ha nincs Python 3.12-d, az uv letölti neked. A szerver közvetlenül a számítógépeden fut, és bármely fájlt meg tud nyitni, amelyhez hozzáférsz. Ha a Claude Code nyitva volt, indítsd újra, és a `markitdown` megjelenik az MCP-szerverek listájában. ### Használat A Claude Code-ban egyszerűen mondd ezt: ``` Convert /Users/your-user/Documents/report.pdf to Markdown and analyze the main points. ``` A Claude maga hívja meg a `convert_to_markdown(uri)` függvényt, megkapja a Markdown-tartalmat, és dolgozik vele – a PDF egyáltalán nem töltődik be a kontextusba. ### Támogatott URI-k - `file://` - helyi fájlok - `http://`, `https://` - online dokumentumok - `data:` - beágyazott adat (Base64) ### Biztonság A hivatalos README-ből:

A szerver nem támogatja az engedélyezést, és az elindító felhasználó jogosultságaival fut.

— Microsoft, https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp
Alapértelmezés szerint localhosthoz van kötve. Ha HTTP/SSE-n keresztül futtatod (`--http --host 127.0.0.1 --port 3001` opcióval), ne tedd ki a portot a külső hálózatra hitelesítést végző reverse proxy nélkül. ## Melyik módszert válaszd a feladatodhoz?
Fő tanulság A MarkItDown az univerzális eszköz, ha többféle formátummal dolgozol (PDF + DOCX + PPTX + YouTube), és gyors CLI-parancsra van szükséged. A PyMuPDF4LLM PDF-specialista: gyorsabb, van OCR-je, megőrzi a hivatkozásokat, de SaaS esetén az AGPL csapdát jelent. A Docling éles környezetben is használható, és a táblázatokat, valamint a képleteket kezeli a legjobban. A Marker tudományos, matematikai képleteket tartalmazó cikkekhez való. Az MCP-szerver akkor megfelelő, ha nem akarsz a konvertálással foglalkozni, és azt szeretnéd, hogy a Claude Code maga döntsön róla.
Részletes összehasonlító táblázat: | Eszköz | GitHub-csillagok | Legjobb felhasználás | Sebesség | Licenc | |----|----|----|----|----| | **MarkItDown** (Microsoft) | 134k | PDF + DOCX + PPTX + YouTube + hanganyag | Közepes | MIT | | **PyMuPDF4LLM** (Artifex) | \- | Natív PDF, OCR, beágyazott URL-ek | Leggyorsabb (GPU nélkül) | AGPL v3 / kereskedelmi | | **Docling** (IBM Research) | 60.7k | Éles RAG, táblázatok, képletek | Közepes | MIT | | **Marker** (datalab.to) | 35.6k | Tudományos PDF-ek, arXiv, képletek | Magas (GPU-val) | GPL-3.0 + Open Rail-M | | **MinerU** | \- | CJK-dokumentumok (kínai/japán) | Magas | Apache-2.0 | A Marker lenyűgöző pontossági adatokat közöl a benchmarkokon:

Oldalanként 0.18 másodperc H100 GPU-n (122 oldal másodpercenként). 95.67%-os pontosság a Llamaparse (84.24%) és a Mathpix (86.43%) eredményével szemben. Tudományos cikkeken 96.67%.

— datalab.to, https://github.com/datalab-to/marker
A Marker azonban jó sebességhez GPU-t igényel, és gépi tanulási modelleket is magával hoz. A legtöbb feladathoz (hagyományos szöveges PDF-ekhez) a PyMuPDF4LLM vagy a MarkItDown GPU nélkül, másodpercek alatt elvégzi a munkát. ### Egyszerű választási szabály 1. **Egy-két PDF, gyorsan kell** - MarkItDown CLI. 2. **Több tucat PDF, automatizálásra van szükség** - MarkItDown MCP-szerver vagy PyMuPDF4LLM egy szkriptben. 3. **PDF-ek hivatkozásokkal és képekkel, amelyeknél fontos a szerkezet megőrzése** - PyMuPDF4LLM. 4. **Üzleti célú éles RAG, ahol fontos a táblázatok stabil kezelése** - Docling. 5. **Tudományos cikkek képletekkel** - Marker. 6. **Nem akarsz ezzel foglalkozni; hadd konvertáljon a Claude** - MarkItDown MCP-szerver. ## Hogyan írj kész szkriptet egy dokumentummappa automatikus konvertálásához?
Fő tanulság A legkényelmesebb megoldás egy bash-szkript, amely végigjárja a projektmappát, minden PDF-, DOCX- és PPTX-fájlt Markdownná alakít, és egy `_md/` almappába tesz. Állítsd be egyszer, és bármely új dokumentummappát egyetlen lépésben „Claude által olvashatóvá” tehetsz. Ezután vidd be a `_md/` mappát a Claude Code-ba az `@_md/` használatával, és dolgozz a tömörített szöveggel.
Gyakorlati példa: képzeld el, hogy egy mappában 40 PDF- és PPTX-jelentésed van ügyfelektől – brókerkimutatások, szerződések, prezentációk. A teljes mappa közvetlen feltöltése a Claude-ba nem vezet eredményre: a kontextusablak már az első válasz előtt megtelik. Futtasd végig a teljes mappát az alábbi szkripten egyetlen menetben, majd dolgozz tovább a könnyű `.md` fájlokkal a nagy PDF-ek helyett. Mentsd ezt a szkriptet `scripts/docs-to-md.sh` néven a projekt gyökerébe: ```bash #!/bin/bash # docs-to-md.sh - converts all documents in a folder to Markdown using MarkItDown # Usage: bash docs-to-md.sh ./documents set -e INPUT_DIR="${1:-./documents}" OUTPUT_DIR="${INPUT_DIR}/_md" mkdir -p "$OUTPUT_DIR" echo "Scanning $INPUT_DIR..." for file in "$INPUT_DIR"/*.{pdf,docx,pptx,xlsx}; do [ -f "$file" ] || continue basename=$(basename "$file") name="${basename%.*}" output="$OUTPUT_DIR/${name}.md" if [ -f "$output" ] && [ "$output" -nt "$file" ]; then echo "Skipping $basename (already converted)" continue fi echo "Converting $basename..." markitdown "$file" > "$output" done echo "Done. Results are in $OUTPUT_DIR" ``` Tedd végrehajthatóvá: ```bash chmod +x scripts/docs-to-md.sh ``` Futtasd: ```bash bash scripts/docs-to-md.sh ./reports ``` A futtatás után a `./reports/_md/` mappában minden dokumentum `.md` változata megtalálható. Vidd be őket a Claude Code-ba az `@reports/_md/` használatával, és a PDF-ek helyett a tömörített szöveggel dolgozz. A szkript automatikusan kihagyja azokat a fájlokat, amelyeket már konvertált (ha az `.md` fájl újabb a forrásnál) – az újbóli futtatás olcsó, és nem számol újra mindent. ### Idempotencia és inkrementális konvertálás Ha azt szeretnéd, hogy a szkript felismerje a megváltozott PDF-eket (amelyeket ugyanazon a néven mentettek újra), adj hozzá egy tartalomhash-ellenőrzést: ```bash hash=$(shasum -a 256 "$file" | cut -d' ' -f1) hash_file="$OUTPUT_DIR/.${name}.sha256" if [ -f "$hash_file" ] && [ "$(cat "$hash_file")" = "$hash" ]; then echo "Skipping $basename (hash matches)" continue fi markitdown "$file" > "$output" echo "$hash" > "$hash_file" ``` Ez a változat csak akkor konvertálja újra a fájlt, ha megváltozott a tartalma. ## Mikor jobb mégis a PDF a Claude-ban, mint a Markdown?
Fő tanulság A Markdownná alakítás három dolgot veszít el: a vizuális elemeket (diagramokat, grafikonokat, tervrajzokat), az egyesített cellákat és feliratokat tartalmazó összetett táblázatokat, valamint a dokumentum teljes formázását mint műtárgyat (például egy szerződést, amelyre oldalszám szerint kell hivatkoznod). Ha ezek fontosak a feladatodhoz, tartsd meg a PDF-et, kapcsold be a vizuális elemzést, és számolj tudatosan a vizuális feldolgozás költségével.
Három eset, amikor a Markdown-konvertálás nem elég: ### 1. Diagramok és grafikonok vizuális elemzése Ha a Claude-nak „el kell olvasnia” egy grafikont – például egy árfolyamgörbét, folyamatábrát vagy architektúra-diagramot –, az információ nincs benne a Markdownban. A Markdown csak az ábrák feliratát őrzi meg; maga az ábra elveszik. Megoldás: töltsd fel a PDF-et, és kifejezetten kapcsold be a vizuális módot. A Claude API-ban a jelző automatikusan működik; AWS Bedrockon a `citations` jelzőre van szükség.

A Claude a szöveget és a képeket is elemzi, hogy jobban megértse a dokumentumot.

— Anthropic, https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support
### 2. Összetett táblázatok egyesített cellákkal A Markdown-táblázatok laposak. Ha a PDF egyesített cellákat, többszintű fejléceket vagy beágyazott altáblázatokat tartalmazó táblázatot tartalmaz, a konverter vagy kilapítja, vagy elveszíti az összefüggéseket. Megoldás: használd közvetlenül a PDF-et, válaszd a Doclingot (ez kezeli a legjobban az összetett táblázatokat), vagy a konvertálás után formázd meg kézzel. ### 3. Dokumentumok mint oldalszám szerint hivatkozható műtárgyak Jogi dokumentumok, szerződések és jegyzőkönyvek esetén fontos, hogy így tudj hivatkozni: „7. oldal, 3. bekezdés”. A Markdownban elvesznek az oldalszámok. Megoldás: PDF + Files API + prompt caching. Töltsd fel egyszer, majd hivatkozz rá `file_id` segítségével; a Claude látja az oldalszámozást, és konkrét oldalakra tud hivatkozni. ### Rövid dokumentumok Ha egy PDF 2 oldalnál rövidebb, és csak egyszer használod, nem éri meg konvertálni. A PDF 5,000 tokenes költsége a Markdown 800 tokenjével szemben nem jelent akkora megtakarítást, hogy indokolja a MarkItDown telepítését. A megtérülési küszöb körülbelül 5+ oldal, vagy ugyanannak a dokumentumnak 2+ felhasználása. Ez alatt töltsd fel közvetlenül a PDF-et; fölötte konvertáld. ## Mi az 5 leggyakoribb hiba, amit az emberek a PDF-ek Claude-ban való használatakor elkövetnek?
Fő tanulság A fő buktatók: ugyanannak a PDF-nek az újbóli feltöltése különböző beszélgetésekben az egyszeri konvertálás helyett, a prompt caching mellőzése ismételt kéréseknél, képernyőképek használata szöveg helyett, szkennelt PDF-ek OCR nélküli feldolgozása, valamint a 200K kontextusú modellek 100 oldalas korlátjának figyelmen kívül hagyása. Mindegyik hiba ok nélkül pazarol el több tízezer tokent.
### 1. Ugyanannak a PDF-nek az újbóli feltöltése minden új beszélgetésben A Claude Pro 5 órára vonatkozó üzenetkorláttal rendelkezik – egy 50 oldalas jelentés kimerítheti azt, még mielőtt feltennéd a második kérdésedet. Van erre egy egyszerű alapelv: **egy feladat – egy beszélgetés**. Ha az AI elképesztően sok tokent kezd fogyasztani, az azt jelenti, hogy mindent egy beszélgetésbe zsúfolsz, és újra meg újra behozod a PDF-et. Minden ablakban egy mikrof eladatra összpontosíts. Konvertáld a dokumentumot egyszer Markdownná, majd minden új ablakban add hozzá a `.md` fájlt a projekt mellé. A kontextusablak jelzőköre nem vált sárgára. Megoldás: konvertáld egyszer Markdownná, vagy használd a Files API-t `file_id` azonosítóval és prompt cachinggel. ### 2. Képernyőkép szöveg helyett Tipikus példa: valaki meg akar mutatni a Claude-nak egy kódrészletet vagy táblázatot, képernyőképet készít a teljes, 1920×1080-as képernyőről, majd csodálkozik, hogy 5 kérés után elfogyott a keret. Egy 1000×1000 képpontos képernyőkép ~1,300 tokenbe kerül. Ugyanaz a szöveg kézi másolással 50–100 tokenbe kerül. Ez 13–26-szoros különbség. Megoldás: szorosan vágd körbe a képernyőképeket (csak a fontos rész maradjon rajtuk), vagy még jobb, ha közvetlenül másolod a szöveget. ### 3. Szkennelt PDF OCR nélkül A MarkItDown nem tud OCR-t végezni. Ha szkennelt dokumentumot konvertálsz, az eredmény egy üres `.md` fájl (vagy 3 sor zaj). Megoldás: szkennelt dokumentumokhoz használd a PyMuPDF4LLM-et (beépített intelligens OCR-rel) vagy a Doclingot. ### 4. A 100 oldalas korlát figyelmen kívül hagyása Az Anthropic dokumentációja kérésenként 600 oldalas korlátot ad meg – a 200K kontextusú modellek (Sonnet 4.x, Opus 4.x) esetében azonban a gyakorlati korlát **100 oldal**. A 600 oldalas korlát régebbi modellekre vagy speciális szintekre vonatkozik. Ha 150 oldalas jelentést töltesz fel a Sonnet 4.6-ba, hibát kapsz, vagy ami még rosszabb, a Claude csak az első 100 oldalt dolgozza fel, majd úgy tesz, mintha az egész dokumentumot elolvasta volna. Megoldás: feltöltés előtt oszd részekre a hosszú PDF-eket. Vagy konvertáld őket Markdownná – erre nincs oldalkorlát, csak tokenkorlát. ### 5. A prompt caching mellőzése ismételt kéréseknél Ha ugyanazzal a dokumentummal dolgozol az API-n keresztül, csomagold `cache_control: ephemeral` beállításba. Az 5 percen belüli ismételt hívások az eredeti ár 10%-ába kerülnek. Egy kérés többe kerül; a többi 90% kedvezményt kap. Megoldás: alapértelmezés szerint kapcsold be a prompt cachinget mindennél, amit többször töltesz fel. ## Hogyan tovább: kontextusmérnökség
Fő tanulság A PDF-ek Markdownná konvertálása a kontextusmérnökség egyik technikája, az AI-val való munka új műveltsége. A prompt egy kérdés. A kontextus minden, amit a Claude a kérdés előtt és körül lát: a system prompt, a CLAUDE.md, a fájlok, az MCP-szerverek és a munkamenet előzményei. Minél tisztább a kontextus, annál pontosabb a válasz, és annál kevesebbe kerül. A teljes elemzést a „Context Engineering in 2026” című útmutatóban olvashatod.
A PDF Markdownná alakítása az egyik módja a tokenmegtakarításnak. Önmagában nem teszi pontosabbá a Claude válaszait. A pontosság a **kontextusmérnökségből** ered – abból a módszertanból, amely meghatározza, mit teszel a modell kontextusába, mielőtt kérdezel. Ha a `CLAUDE.md` fájlod 800 soros, a projektedben 10 felesleges MCP-szerver van, és behozol egy 100 oldalas PDF-et, a Markdown-konvertálás egy szivárgást megakadályoz, de a másik három megmarad. Ezért foglalkoznak ezek az útmutatók a következőkkel: - [Hová kerülnek a tokenek a Claude Code-ban](https://ailoot.ai/blog/hu/where-claude-code-tokens-go/) - 9 kontextusszivárgási minta, nem csak a PDF-ek. - [Context Engineering 2026-ban](https://ailoot.ai/blog/hu/context-engineering/) - a kontextus rendszerezett kezelése. - [Plan Mode a Claude Code-ban](https://ailoot.ai/blog/hu/claude-code-plan-mode/) - tervezési mód, mielőtt a Claude elkezdene kódot írni.
### Források - [Anthropic - PDF-támogatás (platform.claude.com)](https://platform.claude.com/docs/en/docs/build-with-claude/pdf-support) - [Anthropic - Fájlok feltöltése a Claude-ba (support.claude.com)](https://support.claude.com/en/articles/8241126-upload-files-to-claude) - [Microsoft MarkItDown a GitHubon](https://github.com/microsoft/markitdown) - [MarkItDown MCP-szerver](https://github.com/microsoft/markitdown/tree/main/packages/markitdown-mcp) - [PyMuPDF4LLM - hivatalos dokumentáció](https://pymupdf.readthedocs.io/en/latest/pymupdf4llm/) - [Docling a GitHubon (IBM Research)](https://github.com/DS4SD/docling) - [Marker a GitHubon (datalab.to)](https://github.com/datalab-to/marker)
Fedezd fel tovább az Ailootot az [ailoot.ai](https://ailoot.ai/) oldalon.
## Kérdések és válaszok: PDF-ek a Claude Code-ban: konvertálás, tokenek és a szerkezet megőrzése ### Hány Markdown-token a 15 oldalas, négychates példa? A cikk átalakított oldalanként 300 tokenes feltételezésével 15 × 300 × 4 = 18,000 bemeneti token. Ez szemléltető becslés; a saját fájlodhoz az átalakított dokumentum tokenjeit számold meg. ### Minden PDF-hez elég a szöveges konverzió? Nem. A Markdown-t vesd össze a PDF-fel, különösen a táblázatokat, oldalsorrendet és képektől függő tartalmat. A tokenhasználatot csak a feladathoz szükséges információ megmaradásának igazolása után hasonlítsd össze. ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.