Ein langes PDF zu lesen, um eine Klausel zu finden, ist langsam, und die meisten Chat-Tools fassen nur die erste Seite zusammen. Legen Sie ein Dokument in diesen Telegram-Bot, und er indexiert die ganze Datei und beantwortet Ihre Fragen dann direkt im Chat.
Ein langes PDF zu lesen, um eine Klausel zu finden, ist langsam, und die meisten Chat-Tools fassen nur die erste Seite zusammen. Legen Sie ein Dokument in diesen Telegram-Bot, und er indexiert die ganze Datei und beantwortet Ihre Fragen dann direkt im Chat.
Jede Antwort kommt mit einer Seitenangabe, sodass Sie sie überprüfen können, statt einer Vermutung zu vertrauen. Das Dokument bleibt pro Nutzer geladen, sodass Folgefragen zur selben Datei ihren Kontext behalten.
So läuft er
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Das Dokument in Chunks aufteilen, sie einbetten und die Vektoren für den Abruf indexieren.
pending
Bei jeder Frage die relevantesten Chunks holen und mit Seitenangaben antworten.
pending
Das indexierte Dokument pro Nutzer behalten, sodass Folgefragen in dieser Datei verankert bleiben.
pending
Beispiel-Output
json
// Sample output
// (generated when the pipeline finishes)
Answer the question using only the retrieved PDF chunks; cite the page number and say so if the answer is absent.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.