用途：为 RAG 和无结构数据场景生成真实感的合成 PDF 文档。使用 generate_pdf_documents MCP 工具，输入内容包括基于你描述由 LLM 生成的内容、随附含问题与评估准则的 JSON 文件，并自动上传至 Unity Catalog Volumes。
主要能力：必需参数为 catalog、schema、description、count；可选参数为 volume（默认 raw_data）、folder（默认 pdf_documents）、doc_size（默认 MEDIUM）、overwrite_folder（默认 false）。文档大小：SMALL 约 1 页，MEDIUM 约 4-6 页，LARGE 约 10+ 页。每份文档产出 PDF（<model_id>.pdf）与 JSON（<model_id>.json），JSON 含 title、category、pdf_path、question、guideline。
使用方式：调用 generate_pdf_documents MCP 工具，例如 catalog、schema、description、count 指定后即生成并保存到默认路径 /Volumes/my_catalog/my_schema/raw_data/pdf_documents/；可用 volume、folder、overwrite_folder 自定义位置。生成结果可用于 RAG 评估：将 PDF 作为向量库源文档，用 question 查询 RAG 系统，用 guideline 评估回答。
适用场景：HR 政策、技术文档、财务报告、培训材料等演示或评估数据集；演示建议 5-10 份，RAG 测试 15-30 份，全面评估 50+ 份。
限制与配置：需环境变量配置 LLM，如默认 LLM_PROVIDER=DATABRICKS、DATABRICKS_MODEL=databricks-meta-llama-3-3-70b-instruct，或 Azure OpenAI 相关变量。常见问题包括未配置 LLM 端点、卷不存在、生成超时、内容质量低，可据此调整。描述越具体内容越好。