RAG 未来会支持 PDF 文件吗？

[sam (Sam Saffron)]

现在已支持，基本文档已上线：

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…

请注意，增强处理目前需要更改容器，因为 @featheredtoast / @tgxworld 正在重构 ImageMagick 支持，并且我们错误地删除了 Ghostscript 支持。

这可以通过手动配置，但这超出了我在此处发布的范围，步骤很繁琐，因此那些等待增强处理的用户，请给我们几周时间。

[Heliosurge (Dan DeMontmorency)]

@Saif

这项工作的一个挑战是支持所有类型的 PDF。正如您可以想象的那样，有些 PDF 是纯文本，易于解析。但是，有些 PDF 包含自定义字体、图像、图形、非线性格式等。

非常有效的观点。另外，有些 PDF 虽然包含文本，但它们是作为图形文件而不是实际文本的扫描件。