دعم ملفات PDF في Discourse AI (RAG)

[sam (Sam Saffron)]

يشرح هذا الدليل كيفية تطبيق واستخدام إمكانيات معالجة ملفات PDF داخل discourse-ai، بما في ذلك استخراج النص الأساسي والمعالجة المحسّنة بمساعدة النماذج اللغوية الكبيرة (LLM).

مستوى المستخدم المطلوب: مسؤول

الملخص

تدعم إضافة discourse-ai معالجة ملفات PDF لـ RAG (التوليد المعزز بالاسترجاع) في وضعين متميزين:

1. استخراج النص الأساسي
2. المعالجة المحسّنة بتحليل النماذج اللغوية الكبيرة (LLM)

استخراج النص الأساسي

يوفر هذا الوضع إمكانيات أساسية لمعالجة ملفات PDF:

• يستخرج محتوى النص باستخدام حزمة pdf-reader
• يدعم الملفات التي يصل حجمها إلى 100 ميجابايت
• يعمل فور تثبيت الإضافة
• يعالج المحتوى النصي فقط (يتجاهل العناصر المرئية)

المعالجة المحسّنة بتحسينات النماذج اللغوية الكبيرة (LLM)

يتطلب هذا الوضع إعدادات محددة ويوفر إمكانيات أكثر تقدمًا.

المتطلبات:

• اشتراك في خطة المؤسسات (Enterprise) أو استضافة Discourse ذاتية
• تثبيت ImageMagick مع دعم Ghostscript في الحاوية
• تفعيل إعداد الموقع ai_rag_images_enabled

القدرات:

• تفسير الصور والرسوم البيانية والمخططات
• توفير سياق من العناصر المرئية
• معالجة ملفات PDF صفحة بصفحة
• الحفاظ على حد حجم الملف البالغ 100 ميجابايت

تفاصيل التنفيذ

مواصفات المعالجة

• دقة معالجة الصفحة: 300 نقطة في البوصة (DPI)
• أقصى وقت للمعالجة: 600 ثانية (10 دقائق)
• التنظيف التلقائي للملفات المؤقتة
• تكامل كامل مع تضمينات مستندات RAG

سير عمل المعالجة

1. تحميل ملف PDF والتحقق من صحته
2. استخراج المحتوى (الوضع الأساسي أو المحسّن)
3. تقسيم النص مع تداخل قابل للتهيئة
4. تضمين الأجزاء وتخزينها
5. تتبع التقدم عبر MessageBus

القيود

كن على دراية بهذه القيود عند تطبيق معالجة ملفات PDF:

• قيود حجم الملف:
  • 100 ميجابايت لمعالجة ملفات PDF الحالية
  • 20 ميجابايت لتحميلات واجهة المسؤول الجديدة
• يتطلب الوضع المحسّن موارد نظام إضافية
• قد لا يتم تفسير تخطيطات ملفات PDF المعقدة بشكل مثالي
• المعالجة المحسّنة تزيد وقت المعالجة بشكل كبير

انظر أيضًا:

Using PDF and attachment support with AI bots

This guide explains how to enable and use native PDF and document attachment support when interacting with AI bots in Discourse. Users can upload PDFs and other documents directly in conversations with AI personas. Required user level: Administrator Summary Discourse AI now supports native attachment handling, allowing users to upload PDFs and other document types directly when conversing with AI bots. The AI can read and understand the content of these attac…

[MachineScholar]

هذه أخبار رائعة حقًا. شكرًا للفريق! لا أستطيع الانتظار حتى يتم الانتهاء من المعالجة المُحسنة. سيكون ذلك حاسمًا في تغذية أوراق بحث LLMs.

[اقتباس=“سام سافّرون، المنشور: 22، الموضوع: 335804، اسم المستخدم: سام”]
الانتظارين للمعالجة المُحسنة، أعطونا بضعة أسابيع
[/اقتباس]

أيضًا، هل هناك أي خطة للسماح بإجراء RAG “الدردشة مع ملفات PDF الخاصة بك” عن طريق تحميل ملفات PDF في رسالة خاصة روبوت ذكاء اصطناعي أو في موضوع/منشور وذكر الروبوت؟

[hameedacpa (Abdelhamid)]

@sam هل يمكنك تقديم فيديو بسيط لشرح هذا الخيار الرائع، لأن ما ذكرته غير واضح بما فيه الكفاية للتنفيذ

[hameedacpa (Abdelhamid)]

قيمة إعداد الموقع ai_rag_images_enabled
[/quote]
أين يمكنني العثور على هذا الإعداد

[sam (Sam Saffron)]

إنه إعداد مخفي، تحتاج إلى استخدام وحدة التحكم، ولكنك تحتاج أيضًا إلى تكوين الحاوية، نوصي بالانتظار بضعة أسابيع أخرى

[hameedacpa (Abdelhamid)]

شكرًا لك، أقدر عملك الرائع

[hameedacpa (Abdelhamid)]

In my website (Arabic Forum) I did a test in Arabic by adding legislation in the first post “topic” and then I asked questions using AI, but the answers not accurate and I think this is because it is not Context Ragging

قرار وزاري رقم (120) لسنة 2023م في شأن التعديلات بموجب الأحكام الانتقالية...

[sam (Sam Saffron)]

@عبد الحميد، مشاركة:7، موضوع:352829، اسم المستخدم:hameedacpa

في موقعي (منتدى عربي) أجريت اختبارًا باللغة العربية عن طريق إضافة تشريع في المنشور الأول “الموضوع” ثم طرحت أسئلة باستخدام الذكاء الاصطناعي، لكن الإجابات ليست دقيقة وأعتقد أن هذا يرجع إلى أنها ليست سياقية (Context Ragging)

عذرًا، لكن هذا ليس ما يحدث، تحتاج إلى تحديد شخصية أو أداة ثم إضافة التحميل هناك.

كان هناك بعض النقاش حول دعم “التحميل والسؤال” هنا: Upload and discuss pdfs in composer ولكن لم يتم دعمه بعد.

[hameedacpa (Abdelhamid)]

أولاً وقبل كل شيء، شكراً جزيلاً على عملكم الرائع. أنا معجب به حقًا.

بعد التجربة مع الإعدادات وتغيير نموذج الذكاء الاصطناعي إلى Gemini-Flash-2.0، لقد عمل بشكل رائع بالنسبة لي. إليك الوضع الذي لدي:

نحن مجتمع من المدققين والمحاسبين ومستشاري الضرائب، وكنا بحاجة إلى أداة لمشاركة القوانين ذات الصلة وإثارة المناقشات حولها. يجب أن تكون هذه المناقشة مفيدة جدًا للزوار، حيث أننا محترفون في مجالنا. نحن نستهدف نموذج الذكاء الاصطناعي لفحص التشريعات وتحليلها والإجابة على أسئلتنا. أدت التجربة الرائعة إلى استنتاج مفاده أنه يمكننا حقًا مناقشة السياق المضاف في المنشور الأول، وإذا كان نموذج الذكاء الاصطناعي ذكيًا بما يكفي، فسوف يجيب على أسئلتنا بمخرجات عالية الجودة للغاية.
شكرًا جزيلاً مرة أخرى ونتطلع إلى دعم PDF لأنه سيجعل Discourse أفضل برنامج للمنتديات.

[sam (Sam Saffron)]

أحدث صورة لـ discourse تدعم الوضع المتقدم إذا أراد أي شخص الاختبار

[MachineScholar]

هل يجب تمكينه عبر وحدة التحكم؟ لا أرى أي خيارات للوضع المتقدم عبر واجهة المستخدم.

علاوة على ذلك، أحصل على خطأ عند محاولة تحميل ملف PDF هذا. حجمه 34 ميجابايت ولكن لدي الحد الأقصى لحجم المرفقات المحدد بـ 100 ميجابايت (في كل من إعدادات المسؤول و app.yml). الغريب هو أن لدي نسخة مضغوطة حجمها 16 ميجابايت وتقوم بالتحميل بشكل جيد. ولكن ربما يكون ملف PDF الأكبر معقدًا جدًا في الوقت الحالي؟ هناك الكثير من الصور والمعادلات وما إلى ذلك.

[Falco]

نعم، تحتاج إلى تعيين SiteSetting.ai_rag_images_enabled = true في وحدة تحكم Rails لتمكينها.

[sam (Sam Saffron)]

@MachineScholar

علاوة على ذلك، أحصل على خطأ عند محاولة تحميل ملف PDF هذا. حجمه 34 ميجابايت ولكن لدي الحد الأقصى لحجم المرفقات المحدد بـ 100 ميجابايت (في كل من إعدادات المسؤول و app.yml)

تخميني هنا هو أن بعض إعدادات nginx تحتاج إلى التغيير في الحاوية أيضًا حتى لا تقوم بالرفض

[Michael_Liu]

مرحباً @sam
أواجه حاليًا مشكلة في تحميل وفهرسة ملفات PDF بسبب هذا الخطأ: Job exception: undefined method `length’ for nil.

كنت أتساءل عما إذا كان الخطأ يتعلق بالإعدادات التي ناقشناها أعلاه.
تتجمد الواجهة عند فهرسة 0% ولا تتحرك،
وتفاصيل الاستثناء كما يلي:

/var/www/discourse/plugins/discourse-ai/app/jobs/regular/digest_rag_upload.rb:81:in `chunk_document'
/var/www/discourse/plugins/discourse-ai/app/jobs/regular/digest_rag_upload.rb:40:in `block in execute'
activerecord-7.2.2.1/lib/active_record/connection_adapters/abstract/transaction.rb:616:in `block in within_new_transaction'
activesupport-7.2.2.1/lib/active_support/concurrency/null_lock.rb:9:in `synchronize'
activerecord-7.2.2.1/lib/active_record/connection_adapters/abstract/transaction.rb:613:in `within_new_transaction'
activerecord-7.2.2.1/lib/active_record/connection_adapters/abstract/database_statements.rb:361:in `transaction'
activerecord-7.2.2.1/lib/active_record/transactions.rb:234:in `block in transaction'
activerecord-7.2.2.1/lib/active_record/connection_adapters/abstract/connection_pool.rb:415:in `with_connection'
activerecord-7.2.2.1/lib/active_record/connection_handling.rb:296:in `with_connection'
activerecord-7.2.2.1/lib/active_record/transactions.rb:233:in `transaction'
/var/www/discourse/plugins/discourse-ai/app/jobs/regular/digest_rag_upload.rb:39:in `execute'
/var/www/discourse/app/jobs/base.rb:316:in `block (2 levels) in perform'
rails_multisite-6.1.0/lib/rails_multisite/connection_management/null_instance.rb:49:in `with_connection'
rails_multisite-6.1.0/lib/rails_multisite/connection_management.rb:21:in `with_connection'
/var/www/discourse/app/jobs/base.rb:303:in `block in perform'
/var/www/discourse/app/jobs/base.rb:299:in `each'
/var/www/discourse/app/jobs/base.rb:299:in `perform'
sidekiq-7.3.9/lib/sidekiq/processor.rb:220:in `execute_job'
sidekiq-7.3.9/lib/sidekiq/processor.rb:185:in `block (4 levels) in process'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:180:in `traverse'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:183:in `block in traverse'
/var/www/discourse/lib/sidekiq/pausable.rb:132:in `call'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:182:in `traverse'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:183:in `block in traverse'
sidekiq-7.3.9/lib/sidekiq/job/interrupt_handler.rb:9:in `call'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:182:in `traverse'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:183:in `block in traverse'
sidekiq-7.3.9/lib/sidekiq/metrics/tracking.rb:26:in `track'
sidekiq-7.3.9/lib/sidekiq/metrics/tracking.rb:134:in `call'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:182:in `traverse'
sidekiq-7.3.9/lib/sidekiq/middleware/chain.rb:173:in `invoke'
sidekiq-7.3.9/lib/sidekiq/processor.rb:184:in `block (3 levels) in process'
sidekiq-7.3.9/lib/sidekiq/processor.rb:145:in `block (6 levels) in dispatch'
sidekiq-7.3.9/lib/sidekiq/job_retry.rb:118:in `local'
sidekiq-7.3.9/lib/sidekiq/processor.rb:144:in `block (5 levels) in dispatch'
sidekiq-7.3.9/lib/sidekiq/config.rb:39:in `block in <class:Config>'
sidekiq-7.3.9/lib/sidekiq/processor.rb:139:in `block (4 levels) in dispatch'
sidekiq-7.3.9/lib/sidekiq/processor.rb:281:in `stats'
sidekiq-7.3.9/lib/sidekiq/processor.rb:134:in `block (3 levels) in dispatch'
sidekiq-7.3.9/lib/sidekiq/job_logger.rb:15:in `call'
sidekiq-7.3.9/lib/sidekiq/processor.rb:133:in `block (2 levels) in dispatch'
sidekiq-7.3.9/lib/sidekiq/job_retry.rb:85:in `global'
sidekiq-7.3.9/lib/sidekiq/processor.rb:132:in `block in dispatch'
sidekiq-7.3.9/lib/sidekiq/job_logger.rb:40:in `prepare'
sidekiq-7.3.9/lib/sidekiq/processor.rb:131:in `dispatch'
sidekiq-7.3.9/lib/sidekiq/processor.rb:183:in `block (2 levels) in process'
sidekiq-7.3.9/lib/sidekiq/processor.rb:182:in `handle_interrupt'
sidekiq-7.3.9/lib/sidekiq/processor.rb:182:in `block in process'
sidekiq-7.3.9/lib/sidekiq/processor.rb:181:in `handle_interrupt'
sidekiq-7.3.9/lib/sidekiq/processor.rb:181:in `process'
sidekiq-7.3.9/lib/sidekiq/processor.rb:86:in `process_one'
sidekiq-7.3.9/lib/sidekiq/processor.rb:76:in `run'
sidekiq-7.3.9/lib/sidekiq/component.rb:10:in `watchdog'
sidekiq-7.3.9/lib/sidekiq/component.rb:19:in `block in safe_thread'

[Michael_Liu]

شكرًا على هذا التحديث الرائع، فقط لدي استفسار واحد هنا، هل الحد الأقصى 100 ميجابايت لكل روبوت Persona AI أو لجميع الشخصيات؟

[pacharanero (Marcus Baw)]

أنا جديد على Discourse AI ولكني خبير في Discourse بشكل عام.

أتطلع حقًا لتجربة هذا لحالة استخدام محددة في شكل تجريبي في هذه المرحلة.

لقد قمت بتمكين إعداد الموقع المخفي.

لا يوجد شيء في SideKiq يمكنني رؤيته. كيف يمكنني معرفة ما إذا كان يعمل على الإطلاق؟

أنا على علم بأن هذه ميزة إصدار مسبق وليست جاهزة للاستخدام العام بعد، ومع ذلك، سيكون من الرائع أن أتمكن من تجربتها واختبارها.

أتطلع حقًا لأي تلميحات أو نصائح أو لقطات شاشة أو وصفات من الأشخاص الذين يجربون هذا.

[Neil_Evans2 (Neil Evans)]

أتلقى هذا الخطأ عند مطالبة الروبوت بتلخيص محتويات بعض ملفات PDF على موقعي. لم أقم بتمكين المعالجة المحسّنة، وأستخدم GPT 4.1. أي أفكار حول ما أفعله بشكل خاطئ؟

عذرًا، يبدو أن نظامنا واجه مشكلة غير متوقعة أثناء محاولة الرد.

تفاصيل الخطأ

{
“error”: {
“message”: “يجب أن يتبع رسالة المساعد التي تحتوي على ‘tool_calls’ رسائل أدوات تستجيب لكل ‘tool_call_id’. لم يكن لـ tool_call_ids التالية رسائل استجابة: call_nrDCba5mt83oavbXfPq2BtEV”,
“type”: “invalid_request_error”,
“param”: “messages.[2].role”,
“code”: null
}
}

[MachineScholar]

@MachineScholar

هل هناك خطة للسماح بإجراء RAG “الدردشة مع ملفات PDF الخاصة بك” عن طريق تحميل ملفات PDF في رسالة خاصة لروبوت الذكاء الاصطناعي أو في موضوع/منشور وذكر الروبوت؟

@sam

نوصي بالانتظار بضعة أسابيع أخرى

هل لي أن أستفسر عن الوضع الحالي لدعم ملفات PDF؟

[MachineScholar]

@Michael_Liu

حد 00 ميجابايت لكل روبوت Persona AI أو لجميع الشخصيات

عندما تقوم بتكوين أحجام التحميل في app.yml، فإنها تكون على مستوى الموقع بأكمله، لذا فهي تنطبق على كل شخصية.

[kuaza]

هل هناك أي تحديثات بخصوص هذا الأمر؟ أنا أرفق ملف PDF عند بدء محادثة مع الذكاء الاصطناعي، ولكنه لا يزال لا يتعرف عليه على ما يبدو. أنا أستخدم حاليًا GPT. هل يجب عليّ ربما التفكير في استخدام نموذج مختلف مصمم خصيصًا لمعالجة ملفات PDF؟