Wird RAG in Zukunft PDF-Dateien unterstützen?

[sam (Sam Saffron)]

Dies wird jetzt unterstützt und eine grundlegende Dokumentation ist verfügbar unter:

PDF support in Discourse AI

This guide explains how to implement and use PDF processing capabilities within discourse-ai, including both basic text extraction and enhanced processing with LLM assistance. Required user level: Administrator Summary The discourse-ai plugin supports PDF processing for RAG (Retrieval-Augmented Generation) in two distinct modes: Basic text extraction Enhanced processing with LLM analysis Basic text extraction This mode provides fundamental PDF processing c…

Beachten Sie, dass eine verbesserte Verarbeitung derzeit Containeränderungen erfordert, da @featheredtoast / @tgxworld gerade dabei waren, die ImageMagick-Unterstützung umzustrukturieren, und wir Ghostscript versehentlich entfernt haben.

Dies kann manuell konfiguriert werden, liegt aber außerhalb des Rahmens dessen, was ich hier posten kann. Es sind fummelige Schritte, daher bitten wir diejenigen, die auf eine verbesserte Verarbeitung warten, um ein paar Wochen Geduld.

[Heliosurge (Dan DeMontmorency)]

@Saif Murtaza

Eine der Herausforderungen bei der Arbeit dafür ist die Unterstützung von PDFs aller Art. Wie Sie sich vorstellen können, sind einige PDFs reiner Text und lassen sich leicht analysieren. Es gibt jedoch welche mit benutzerdefinierten Schriftarten, Bildern, Grafiken, nicht-linearem Format usw.

Sehr berechtigte Punkte. Auch einige PDFs enthalten zwar Text, sind aber nur faule Scans als Grafikdatei im Gegensatz zu echtem Text.