Al convertir documentación técnica de Word a Markdown, normalmente es fácil revisar el texto y las tablas. Sin embargo, los diagramas de flujo suelen presentar otro problema: el gráfico desaparece y solo queda una secuencia de textos de nodos; o se exporta como imagen, pero el modelo no puede saber cómo se conectan los recuadros.
Para previsualizar un documento, es importante «ver el diagrama»; para la búsqueda, RAG y las bases de conocimiento, también es importante «entender el diagrama». Conservar solo una de estas capas puede hacer que el diagrama pierda valor en el trabajo posterior.
¿Por qué los diagramas de flujo de Word se convierten en texto suelto?
Los diagramas de flujo de Word pueden estar formados por objetos DrawingML: cada recuadro, conector, flecha y cuadro de texto es un objeto independiente. En la página forman un diagrama, pero la extracción de texto habitual de un DOCX suele recorrer únicamente los párrafos y los cuadros de texto.
El resultado suele adoptar una de estas tres formas:
- Se extraen los textos de los nodos, pero aparecen amontonados al principio o al final del Markdown.
- Los conectores y las flechas desaparecen por completo, dejando una lista de etiquetas sin sentido.
- Todo el diagrama se convierte en una imagen: se conserva el aspecto visual, pero el texto no se puede buscar y el modelo no conoce la relación entre los nodos.
No se trata simplemente de que no se haya exportado una imagen: los objetos visuales y la estructura semántica no se han trasladado juntos.
¿Por qué exportar SVG y Mermaid a la vez?
SVG y Mermaid resuelven problemas distintos.
SVG conserva la disposición visual original
SVG permite mostrar en la vista previa de Markdown la posición de los recuadros, el recorrido de las flechas y la composición general. Es más nítido que una imagen de mapa de bits y no pierde claridad fácilmente al ampliarlo.
Para quien revisa el documento, SVG responde rápidamente a esta pregunta: «¿El diagrama coincide con lo que se veía en Word?».
Mermaid conserva relaciones que se pueden buscar
Mermaid expresa los nodos y sus conexiones mediante texto, por ejemplo:
flowchart LR
n0["Transaction"]
n1["Public Key"]
n2["Signature"]
n0 --> n1
n1 --> n2
Este contenido se puede buscar y gestionar mediante control de versiones, y resulta más adecuado para fragmentarlo en RAG o para que lo interprete un modelo. Aunque el lector de Markdown no renderice Mermaid, el propio bloque de código conserva los nodos, la dirección y las etiquetas del diagrama.
Por tanto, para una base de conocimiento no se trata de elegir entre SVG y Mermaid, sino de lo siguiente:
SVG conserva «cómo es el diagrama» y Mermaid conserva «qué relaciones expresa».
Si guardo el DOCX y lo vuelvo a subir, ¿se mantienen las relaciones del diagrama?
Si Word conserva diagramas DrawingML reconocibles, SimplifyAI intentará reconstruir las relaciones del flujo a partir de los recuadros, conectores, flechas y textos, y generará un bloque de código Mermaid en el Markdown.
Esto es importante cuando el documento pasa por varias etapas. Un flujo de trabajo habitual es:
- Convertir primero un PDF en un DOCX con gráficos editables.
- Descargar el archivo, guardarlo, revisarlo o modificarlo en Word.
- Volver a subir el DOCX y convertirlo a Markdown para una base de conocimiento.
Lo esencial es que este paso no depende del PDF original. Si el usuario modifica los textos de los nodos o mueve recuadros en Word antes de volver a cargar el archivo, la estructura recuperada corresponderá al estado actual del documento, no al diagrama inicial. El Markdown exportado utiliza rutas relativas para referenciar el archivo SVG dentro de la misma entrega, y el bloque Mermaid aparece a continuación; ambos pueden trasladarse e incorporarse juntos a la base de conocimiento.
Alcance y límites actuales
Más adecuado para:
- Diagramas de flujo DrawingML compuestos por nodos rectangulares, conectores, flechas y etiquetas de texto.
- Gráficos editables de Word exportados desde SimplifyAI y cargados de nuevo.
- Casos en los que documentación técnica de Word debe pasar a Markdown, RAG o una base de conocimiento.
- Equipos que necesitan conservar tanto la vista previa visual como las relaciones legibles por máquina.
Requiere revisión humana o puede no reconstruirse:
- SmartArt, objetos agrupados complejos o DrawingML especial generado por software de terceros.
- Diagramas de flujo que solo son imágenes y no contienen formas editables.
- Diagramas cuyos extremos de los conectores están alejados de los nodos o cuyas relaciones ya son ambiguas en el original.
- Gráficos de datos, ilustraciones libres e imágenes escaneadas: no deben tratarse como diagramas Mermaid.
- Gráficos flotantes dentro de celdas de tablas complejas, cuya posición de salida puede requerir una comprobación adicional.
El sistema prioriza evitar que cuadros de texto normales se interpreten erróneamente como diagramas de flujo. Cuando no es posible recuperar las relaciones con fiabilidad, no conviene inventar conexiones incorrectas solo para generar Mermaid.
Flujo de trabajo práctico
- Sube un DOCX que incluya diagramas de flujo editables.
- Selecciona «Extraer Markdown».
- En la vista previa, comprueba que el SVG se muestra completo y que los textos de los nodos no aparecen repetidos ni dispersos.
- Revisa los nodos, la dirección de las flechas y las etiquetas de los conectores en el bloque de código Mermaid.
- Antes de importar el contenido en una base de conocimiento, realiza una revisión manual por muestreo con 2 o 3 diagramas complejos.
Si el archivo de origen sigue siendo un PDF y quieres obtener primero gráficos editables en Word, consulta Convertir diagramas de flujo PDF a Word editables. Si el documento contiene principalmente texto y tablas, puedes consultar Cómo convertir DOCX a Markdown sin perder tablas ni niveles de encabezado.
Próximo paso
Prueba con un documento de Word que incluya un diagrama de flujo representativo. En escenarios RAG, que Mermaid exprese correctamente las relaciones entre nodos y flechas suele afectar más a la calidad posterior de búsqueda y preguntas-respuestas que el aspecto de la imagen.