Corpus : …

Ces clés ne viennent pas de vos documents : la découpe les pose elle-même. Elles disent d'où vient un extrait et comment le retrouver, ce sans quoi une réponse de chat ne peut pas être vérifiée. Elles occupent des places dans les dix qu'Albert autorise, d'où le budget affiché plus haut.

rel_path

Le fichier Markdown d'où vient l'extrait, suivi de la plage qu'il occupe dedans, après un # - comme l'ancre d'une URL.
Exemple : ensel714_annexe1_1312885.md#3053-4496 désigne le passage qui s'étend du 3053^e au 4496^e caractère du corps du fichier, front matter exclu. Le début et la fin, parce qu'un lecteur ne surligne pas une position : avec les deux, il ouvre le document et surligne le passage cité sans avoir à l'y rechercher.
Le nom de fichier est relatif au corpus, et c'est le corpus indexé qui fait foi : c'est sur ces fichiers-là que les positions ont été calculées, pas sur les originaux d'où ils ont été copiés. Resegmenter après avoir corrigé un document remet les positions d'aplomb.
La plage manque sur les fragments de tableau coupé : leur en-tête étant réémis, ce texte n'existe pas tel quel dans le document. La clé vaut alors le seul nom de fichier, et le lecteur ouvre le document sans surlignage.

page

La page du PDF d'origine, lue dans les repères <!-- page N --> que la conversion sème dans le Markdown. Un extrait qui court sur deux pages porte l'intervalle.
Exemples : 12, ou 12-14.
Cette page sert aussi à l'ancre du lien : source_url devient document.pdf#page=12, qui ouvre le PDF au bon endroit au lieu de sa première page.

section_path

Le chemin des titres qui mènent à l'extrait, du niveau 1 au niveau 4, séparés par des chevrons. C'est ce qui situe un passage dans un document de cent pages, et ce qui évite qu'un extrait pris sous « Attendus de fin de cycle » se confonde avec un autre du même nom ailleurs.
Exemple : Programme du cycle 2 > Français > Lecture > 3.2. Ce qui est attendu
Le même chemin est recopié en tête du texte de l'extrait, où il aide la recherche à situer le contenu même quand la question ne nomme pas la section.

chunk_index

Le rang de l'extrait dans son document, à partir de 0. Il rend l'ordre de lecture, ce qui permet de recoller deux extraits voisins ou de signaler qu'une réponse s'appuie sur un passage isolé.
Exemple : 17 pour le dix-huitième extrait.

source_url - seulement si vos documents en portent une

Le lien vers le document d'origine, tel qu'il est écrit dans le front matter, augmenté de l'ancre de page.
Exemple : https://cache.media.education.gouv.fr/…/ensel714.pdf#page=12
C'est la seule clé qui sorte du corpus : elle permet de vérifier un extrait contre le texte officiel publié.

titre

Le titre du document, lu dans le front matter (titre, sinon title) et, à défaut, dans le premier titre du Markdown ou le nom du fichier. La découpe le pose toujours : un extrait sans titre n'est pas citable. C'est pourquoi il est épinglé en tête de la liste plus haut au lieu d'y être rangé.
Exemple : Programme d'enseignement du cycle des apprentissages fondamentaux

Deux autres clés partent quand la place le permet, et sont les premières sacrifiées : section_anchor, qui n'est que la version en tirets de section_path, et type_bloc, qui dit si l'extrait est du texte, un tableau ou une figure. Elles aident à lire un extrait, pas à le retrouver ni à le citer.