Å lese en lang PDF for å finne én klausul er tregt, og de fleste chatverktøy oppsummerer bare den første siden. Slipp et dokument inn i denne Telegram-boten, så indekserer den hele filen og svarer på spørsmålene dine inne i chatten.
Å lese en lang PDF for å finne én klausul er tregt, og de fleste chatverktøy oppsummerer bare den første siden. Slipp et dokument inn i denne Telegram-boten, så indekserer den hele filen og svarer på spørsmålene dine inne i chatten.
Hvert svar kommer med en sidehenvisning, så du kan etterprøve det i stedet for å stole på en gjetning. Dokumentet forblir lastet per bruker, så oppfølgingsspørsmål om den samme filen holder konteksten.
Slik kjører den
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.
Deler dokumentet i biter, lager embeddinger av dem og indekserer vektorene for henting.
pending
Henter de mest relevante bitene ved hvert spørsmål og svarer med sidehenvisninger.
pending
Beholder det indekserte dokumentet per bruker, så oppfølgingsspørsmål forblir forankret i den filen.
pending
Eksempel på 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.