Pitkän PDF:n lukeminen yhden lausekkeen löytämiseksi on hidasta, ja useimmat chattityökalut tiivistävät vain ensimmäisen sivun. Pudota asiakirja tähän Telegram-bottiin, niin se indeksoi koko tiedoston ja vastaa kysymyksiisi suoraan keskustelussa.
Pitkän PDF:n lukeminen yhden lausekkeen löytämiseksi on hidasta, ja useimmat chattityökalut tiivistävät vain ensimmäisen sivun. Pudota asiakirja tähän Telegram-bottiin, niin se indeksoi koko tiedoston ja vastaa kysymyksiisi suoraan keskustelussa.
Jokaisen vastauksen mukana tulee sivuviite, joten voit tarkistaa sen sen sijaan, että luottaisit arvaukseen. Asiakirja pysyy ladattuna käyttäjäkohtaisesti, joten samasta tiedostosta esitetyt jatkokysymykset säilyttävät kontekstinsa.
Kuinka se toimii
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.
Jaa asiakirja osiin, luo niistä vektoriembeddingit ja indeksoi ne haettavaksi.
pending
Jokaisen kysymyksen yhteydessä hae merkittävimmät osat ja vastaa sivuviitteiden kera.
pending
Pidä indeksoitu asiakirja käyttäjäkohtaisena, jotta jatkokysymykset pysyvät kyseisen tiedoston puitteissa.
pending
Näyteulostulo
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.