RAG suportará arquivos PDF no futuro?

[sam (Sam Saffron)]

Isso agora é suportado e a documentação básica está disponível em:

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…

Observe que o processamento aprimorado exigirá alterações no contêiner no momento, pois @featheredtoast / @tgxworld estavam em meio à refatoração do suporte ao ImageMagick e removemos o suporte ao Ghostscript por engano.

Isso pode ser configurado manualmente, mas está além do escopo do que posso postar aqui, são passos complicados, então aqueles que aguardam o processamento aprimorado, nos deem algumas semanas.

[Heliosurge (Dan DeMontmorency)]

@Saif

Um dos desafios do trabalho por trás disso é o suporte a PDFs de todos os tipos. Como você pode imaginar, alguns PDFs são texto puro e fáceis de analisar. No entanto, existem alguns com fontes personalizadas, imagens, gráficos, formatados de forma não linear, etc.

Pontos muito válidos. Além disso, alguns PDFs, embora contenham texto, são digitalizações preguiçosas como um arquivo gráfico em vez de texto real.