Il RAG supporterà i file PDF in futuro?

[sam (Sam Saffron)]

Ora è supportato e la documentazione di base è disponibile su:

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…

Nota, l’elaborazione avanzata richiederà modifiche al container al momento poiché @featheredtoast / @tgxworld erano nel mezzo di refactoring del supporto di ImageMagick e abbiamo eliminato per errore il supporto di Ghostscript.

Questo può essere configurato manualmente ma va oltre lo scopo di ciò che posso pubblicare qui, sono passaggi complicati, quindi coloro che attendono l’elaborazione avanzata, concedeteci qualche settimana.

[Heliosurge (Dan DeMontmorency)]

@Saif

Una delle sfide del lavoro alla base di questo è il supporto di PDF di tutti i tipi. Come puoi immaginare, alcuni PDF sono di testo puro e facili da analizzare. Tuttavia, ce ne sono alcuni con caratteri personalizzati, immagini, grafica, formattazione non lineare, ecc.

Punti molto validi. Inoltre, alcuni PDF, pur avendo del testo, sono scansioni “pigre” come file grafici anziché testo effettivo.