Pannello di preparazione per LLM

Ogni conversione è accompagnata da un pannello compatto che prepara il testo per un modello — interamente in locale, con zero chiamate all’IA.

Cosa mostra

• Conteggio dei token con tiktoken (o200k_base, incorporato nell’immagine — funziona offline).
• Token e costo risparmiati dall’anonimizzazione, così puoi vedere cosa ti fa guadagnare rimuovere i PII.
• Stima di costo per modello in tempo reale — prezzi e finestre di contesto recuperati da OpenRouter (centinaia di modelli, in cache) così i numeri non sono mai obsoleti.
• Adattamento alla finestra di contesto — a colpo d’occhio, in quali modelli il documento entra.
• Suddivisione RAG con un clic — dividi in chunk sovrapposti e limitati per token (semchunk), scaricabili come .jsonl.
• Rilevatore di prompt injection — segnala il testo che cerca di dirottare un LLM a valle.

Simula il costo per modello

Il pannello parte con nessun modello selezionato — scegli quelli che ti interessano ed Escriba stima il costo dell’invio di questo esatto documento a ciascuno, usando i prezzi in tempo reale. È il modo più rapido per rispondere alla domanda «quale modello dovrei usare, e quanto costerà?» prima di spendere un centesimo.

Suddivisione RAG

Un clic divide il Markdown in chunk sovrapposti e limitati per token, adatti a una pipeline di retrieval, scaricabili come .jsonl. Utile quando il documento è più grande della finestra di contesto del modello a cui punti.

Tutto questo gira sul tuo server. Niente chiavi API, nessuna chiamata esterna — solo calcoli in locale sul testo che hai convertito.