Просторниот план подготвен за полесна анализа со AI

Нацрт Просторниот план на Република Северна Македонија до 2040 година е обемен документ кој опфаќа стотици страници текст, табели, карти и други плански прилози. Просторниот план претставува највисок стратешки документ за планирање на просторот и дава насоки за негово користење, заштита, уредување и управување.

Оригиналната PDF верзија е голема околу 691 MB, што создава практичен проблем за секој што сака документот да го анализира со алатки како ChatGPT. Максималната големина за поединечна датотека што може да се прикачи во ChatGPT е 512 MB, па оригиналниот документ не може директно да се прикачи во неговата сегашна форма.

Поради тоа подготвивме машински читлива верзија на Нацрт планот, како и дополнителни технички датотеки кои може слободно да се преземат и користат за анализа.

Како е подготвен документот

Обработката е направена автоматски, страница по страница, со цел текстот да стане погоден за работа со големи јазични модели, а притоа да остане директно поврзан со оригиналниот PDF.

Примарниот метод е директно извлекување на постојниот текстуален слој од PDF документот. Од вкупно 436 физички PDF страници, 401 страница се обработени директно од оригиналниот текстуален слој.

Кај страниците на кои немало доволно употреблив вграден текст, применет е OCR со Tesseract. На овој начин се обработени уште 35 страници. Сите OCR страници се означени со review_required, бидејќи автоматското препознавање на текст, особено кај карти, легенди и сложени графички прилози, може да содржи грешки.

Оваа разлика е намерно зачувана. Системот не го третира OCR текстот како еднакво сигурен со текстот директно извлечен од PDF.

Како се зачувани страниците

За секоја страница е зачуван физичкиот број во оригиналниот PDF како pdf_page. Тој број е основната и најсигурната референца што може да се користи при проверка на одговорите.

Дополнително, кај страниците каде што во самиот документ може сигурно да се детектира печатениот број на страница, тој се зачувува како document_page. Таков број е идентификуван на 384 страници.

Печатениот број не се пресметува преку претпоставен offset меѓу PDF страниците и нумерацијата во самиот документ. Тој се внесува само кога може експлицитно да се идентификува. Ако бројот не може сигурно да се утврди, вредноста останува празна.

На пример, почетокот на главниот текст е физичка PDF страница 13, додека во самиот план таа е означена како страница 1.

Што е направено со текстот

Оригиналното извлекување содржеше околу 4 милиони карактери, при што голем дел беа празни места, табулатори, празни линии и други елементи создадени од PDF распоредот.

При подготовката на plan_llm.txt е направена само техничка нормализација на распоредот. Отстранети се непотребните празни места, табулатори и вишок празни линии.

Не се вршени правописни корекции, автоматско поправање на OCR текстот, преформулирање на реченици или семантичко менување на содржината.

По обработката се добиени околу 1,12 милиони карактери корисен текст, што претставува намалување од приближно 72 проценти во однос на суровото извлекување.

Секоја страница во plan_llm.txt е одделена со машински читливи ознаки.

<<<PAGE_START {"pdf_page":13,"document_page":1,...}>>>

текст на страницата

<<<PAGE_END {"pdf_page":13}>>>

На овој начин AI моделот не добива само еден голем блок текст, туку може да ја поврзе содржината со конкретната физичка страница од оригиналниот PDF документ.

Дополнително е зачуван и SHA-256 идентификатор на изворниот PDF, со што може да се утврди на која конкретна верзија на документот се однесува обработката.

Зошто ги објавуваме техничките датотеки

Целта на plan_llm.txt не е да го замени официјалниот документ.

Оригиналниот PDF останува примарниот извор и секоја информација која е важна за јавната расправа, планирањето или определена локација треба, кога е потребно, да се провери и во оригиналната планска документација.

Обработените датотеки имаат друга цел. Тие овозможуваат документ од речиси 700 MB многу полесно да се пребарува, анализира и обработува со современи AI алатки.

Корисниците можат да го преземат plan_llm.txt и самостојно да го користат со LLM систем кој поддржува доволно голем контекст. ZIP пакетот е наменет за оние кои сакаат подетално да ја проверат обработката или да изградат сопствено решение врз истите податоци.

Како самостојно да го користите plan_llm.txt со ChatGPT, Gemini или Claude

Доколку веќе имате сметка или претплата на ChatGPT, Google Gemini или Claude, можете да го преземете подготвениот документ и да го користите директно во сервисот што го користите, доколку вашата сметка овозможува прикачување на датотеки со потребната големина.

1. Преземете го plan_llm.txt.
2. Отворете нов разговор во ChatGPT, Gemini или Claude.
3. Прикачете го plan_llm.txt во разговорот.
4. Поставете го прашањето за делот од Нацрт планот што сакате да го истражите.

За поголема прецизност, препорачуваме уште во првата порака да му укажете на AI моделот дека треба да одговара врз основа на приложениот документ и да ги наведува страниците од кои ги презема информациите.

Достапноста на прикачување документи, максималната големина на датотеките и расположливиот контекст зависат од конкретниот сервис и типот на корисничката сметка.

Бесплатна AI алатка за анализа на Нацрт планот

За корисниците кои не сакаат самостојно да преземаат, прикачуваат и конфигурираат документи, на Demokratika.mk е подготвена и бесплатна AI алатка за директна работа со Нацрт Просторниот план.

Сервисот е специјализиран за прашања поврзани со самиот документ. Неговата цел не е да функционира како општ AI chatbot, туку да овозможи полесно пребарување, анализа и разбирање на Нацрт планот.

Корисникот може да поставува прашања за конкретни делови од планот, да бара појаснување на плански решенија, да споредува различни делови од документот и полесно да ги пронајде страниците на кои се обработува определена тема.

Сервисот помага да го разберете Нацрт – Просторен план на Република Северна Македонија 2040 и да подготвите прашања за јавната дебата.

Текстот се извлекува од PDF со ознаки за физичките страници. Скенираните страници бараат OCR и проверка. Картите и сликите не се толкуваат во оваа верзија.

Целиот документ, системски упатства и до 4 претходни прашања со одговори од тековниот разговор се праќаат до GPT-6 Luna (Flex), развиен од OpenAI, а интегриран преку OpenRouter. Наводите се проверуваат според текстот; ова не гарантира дека секое толкување е точно.

Разговорите се чуваат на сајтот. Можете да ги сокриете од вашиот chat, но прашањата и одговорите остануваат во администраторската audit евиденција. Бројачот останува: најмногу 100 обработени прашања по сметка, вклучувајќи одбивања. API грешките не се бројат. Во јавен режим гостите имаат посебен дневен лимит по IP адреса. Автоматското кеширање го намалува трошокот кога провајдерот повторно го користи документот; не ги меша разговорите на посетителите. Администраторот технички има пристап до базата. Не внесувајте чувствителни лични податоци.

Кога е достапен сигурно идентификуван печатен број, сервисот може да прикаже и печатена страница и физичка PDF страница. Кај страниците кои се обработени со OCR, информацијата се третира со дополнителна претпазливост и корисникот може да биде упатен да ја провери оригиналната страница.

Јавна расправа во Струмица

Нацрт Просторниот план е предмет на јавна дебата, со можност граѓаните и останатите засегнати страни подетално да се запознаат со предложените решенија.

Токму пред вакви расправи е особено корисно документ од неколку стотици страници да може многу полесно да се пребарува и анализира.

Целта на обработката и AI сервисот на Demokratika.mk не е да понудат став за содржината на Планот, туку да им овозможат на граѓаните, стручната јавност и останатите заинтересирани лица побрзо да дојдат до информациите што самите сакаат да ги проверат во документот.