Een lange PDF doorlezen om één clausule te vinden is traag, en de meeste chattools vatten alleen de eerste pagina samen. Laat een document in deze Telegram-bot vallen en hij indexeert het hele bestand, en beantwoordt dan je vragen binnen de chat.
Een lange PDF doorlezen om één clausule te vinden is traag, en de meeste chattools vatten alleen de eerste pagina samen. Laat een document in deze Telegram-bot vallen en hij indexeert het hele bestand, en beantwoordt dan je vragen binnen de chat.
Elk antwoord komt met een paginaverwijzing, zodat je het kunt controleren in plaats van op een gok te vertrouwen. Het document blijft per gebruiker geladen, zodat vervolgvragen over hetzelfde bestand hun context houden.
Hoe hij werkt
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.
Splits het document in chunks, embed ze en indexeer de vectoren voor retrieval.
pending
Haal bij elke vraag de meest relevante chunks op en antwoord met paginaverwijzingen.
pending
Houd het geïndexeerde document per gebruiker bij, zodat vervolgvragen onderbouwd blijven in dat bestand.
pending
Voorbeelduitvoer
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.