Parsing and Chunking

Parserrouter

Plain text/Markdown/JSON/YAML/TOML/logs: lichte veilige parser.
Broncode: language-aware symbol parser waar beschikbaar, veilige fallback per file/section.
PDF/DOCX/PPTX/XLSX/HTML: Docling-adapter.
OCR: alleen bij ontbrekende of aantoonbaar defecte text layer. Shipped gedrag (1.2.0): het gelockte docling-slim image bevat geen OCR-engine (easyocr); een PDF zonder tekstlaag wordt dus niet geOCR'd maar eindigt als failed (parse_failed/no_indexable_content) en is zo zichtbaar in Documents/Jobs. Born-digital PDF/DOCX/PPTX/XLSX/HTML worden wel geparsed, met paginanummers.
Executables, macro's en scripts worden nooit uitgevoerd.

Heading, paragraph, list, table, code, formula, caption, page break en asset reference met stable structure path en source location.

prose-v1: 600–900 targettokens, max 1200, sectiegrens respecteren.
runbook-v1: probleem/symptomen/prerequisites/stappen/validatie/rollback bijeenhouden.
code-v1: module/class/function/method/config resource; parentcontext voor symbolscope.
table-v1: headers aan row groups toevoegen en volledige tabel als parent bewaren.

UUIDv5(document_version_id + structure_path + content_hash + chunk_profile_version).

Kleine childchunks dienen retrievalprecisie; ruimere parentchunks dienen context. Parentexpansie mag contextbudget en ACL nooit omzeilen.