يمكن للوكيل الذكي قراءة مخطط في ملف PDF، أو صفحة ممسوحة ضوئياً بدون طبقة نصية، إذا تم عرض الصفحة كصورة أولاً. يقوم خادم GroupDocs.Viewer.Mcp بهذا العرض محليًا على جهازك ويسلم ملف PNG إلى Claude أو Cursor أو GitHub Copilot، ويقرأ نموذج قادر على الرؤية الصورة:

في الصفحة 7 من التقرير السنوي يوجد مخطط إيرادات. ما هي الأرقام لكل ربع؟

الإصدار خطوة بخطوة مع الإعدادات واستكشاف الأخطاء موجود في الوثائق: كيفية جعل وكيل الذكاء الاصطناعي يقرأ المخططات والرسوم البيانية والصفحات الممسوحة ضوئياً.

الحالة: الإجابة موجودة فقط كصورة

تفتح تقريرًا سنويًا والرقم الذي تحتاجه هو ارتفاع شريط. تفتح عقدًا تم مسحه ضوئياً ولا يحتوي ملف PDF على نص قابل للتحديد. تفتح شريحة حيث يكون القرار سهمًا في مخطط. لا يجد الوكيل الذي يعمل على النص المستخرج شيئًا في أي من هذه الحالات الثلاث، لأنه لا توجد أحرف لاستخراجها. المعلومات حقيقية، وهي مرسومة.

ما الذي يمكن للوكيل قراءته من صفحة مُعروضة؟

  • المخططات والرسوم البيانية. القيم، الاتجاهات، التسميات والوسوم.
  • الصفحات الممسوحة ضوئياً. ملف PDF الذي تم إنشاؤه بواسطة الماسح الضوئي هو صورة لصفحة. الصورة هي الطريقة الوحيدة للدخول.
  • الأختام، التوقيعات والكتابة اليدوية. ما إذا كانت الصفحة موقعة، وما تقول الطابع.
  • أسئلة التخطيط. “هل الشعار في الرأس؟” أو “هل هذه الشريحة تتجاوز الحدود؟”

كل من هذه الأسئلة يتعلق بما تبدو عليه الصفحة. صورة مُعروضة تجيب عليها مباشرة.

الخطوة 1: العثور على الصفحة دون عرض المستند

لا ينبغي عرض تقرير طويل بالكامل للعثور على مخطط واحد. اطلب من الوكيل تحديد الصفحة بطريقة اقتصادية:

كم عدد صفحات التقرير؟ اعرض صفحة المحتويات وأخبرني أين يقع مخطط الإيرادات.

يقوم الوكيل باستدعاء get_view_info لمعرفة عدد الصفحات، ثم render_page لصفحة المحتويات. هذا يعني استدعائين صغيرين بدلاً من خمسين عرضًا. كل صفحة مُعروضة تُرجع كملف PNG مضمّن، غالبًا بضع مئات من الكيلوبايت، لذا فإن التوفير حقيقي.

الخطوة 2: عرض الصفحة وقراءتها

مع معرفة رقم الصفحة، يستدعي الوكيل render_page لتلك الصفحة ويمرر الصورة إلى النموذج. تُحفظ الصورة أيضًا باسم <name>_page<N>.png، بحيث يمكنك فتح نفس الصورة بنفسك ومقارنتها بالإجابة.

الخطوة 3: اسأل عن مدى ثقة النموذج

اقرأ مخطط الإيرادات في الصفحة 7. قل أي القيم أنت متأكد منها وأيها اضطررت لتقديرها من ارتفاعات الأشرطة.

قد يخطئ نموذج يقرأ صورة في قراءة رقم صغير أو مسح باهت. بالنسبة للأرقام التي تُستخدم في اتخاذ قرار، اجعل الوكيل يذكر مستوى ثقته، ثم تحقق من المصدر.

جلسة مثال

رسم توضيحي يعتمد على السلوك الموثق، وليس لقطة شاشة مأخوذة. النص داخل الأقواس يمثل ما سيقرأه النموذج من الصورة.

You:   On page 7 of annual-report.pdf there is a revenue chart. What were
       the figures for each quarter? Say how sure you are.

Agent: [calls get_view_info on annual-report.pdf, then render_page with page = 7]
       Page 7 of 'annual-report.pdf' Saved to: <output folder>/annual-report_page7.png
       The chart shows [quarterly figures read from the image].
       Values printed on the chart: [list]. Values estimated from bar height: [list].

لماذا ليس OCR؟

العرض ليس OCR. OCR يحول الصورة إلى نص؛ هذا المسار يمنح النموذج الصورة ويسمح له بتفسير ما فيها، بما في ذلك الأجزاء التي ليست نصًا. الخادم لا ينتج نصًا موثوقًا من مسح ضوئي. إذا كنت بحاجة إلى طبقة نصية قابلة للبحث، فهذه خطوة منفصلة بأداة منفصلة.

حدود صادقة

  • القراءة هي تفسير، ليست استخراجًا. قد يخطئ النموذج في قراءة رقم صغير، أو مسح باهت، أو وسيلة توضيحية مزدحمة. العرض لا يحول المسح الضوئي إلى نص موثوق.
  • يجب أن يقبل النموذج إدخال صورة. مع نموذج يقتصر على النص فقط يمكن للوكيل تمرير مسار PNG المحفوظ، لكنه لا يستطيع إخبارك بما تقول المخطط.
  • علامة مائية للتقييم. بدون ترخيص، كل صفحة مُعروضة تحمل علامة مائية للتقييم توضع فوق الصفحة ويمكن أن تخفي التفاصيل التي طلبتها. عملية الخادم تفتح أيضًا بحد أقصى 15 مستندًا. اسأل “هل خادم المشاهد مرخص؟” حتى يستدعي الوكيل get_license_status قبل الاعتماد على ما يقرأه.
  • صفحة واحدة لكل استدعاء، PNG فقط.
  • الصورة تغادر الخادم. تنتقل إلى وكيلك ونموذجه. النموذج المستضاف محليًا يحتفظ بكل شيء على الجهاز؛ النموذج المستضاف يتلقى الصورة كجزء من المحادثة.

الأسئلة المتكررة

هل يستطيع Claude قراءة مخطط في ملف PDF؟ يستطيع Claude قراءة مخطط إذا تم عرض الصفحة كصورة والنموذج المستخدم يقبل الصور. يقوم GroupDocs.Viewer.Mcp بعرض الصفحة محليًا باستخدام render_page ويعيد ملف PNG إلى Claude.

ملف PDF الممسوح ضوئياً لا يحتوي على نص، كيف يمكن للذكاء الاصطناعي قراءته؟ اعرض الصفحة كصورة وامنح الصورة لنموذج قادر على الرؤية. يقرأ النموذج الصورة بدلاً من طبقة النص، ويجب التحقق من قراءته للأرقام المهمة.

هل هذا نفس استخراج البيانات من صورة مخطط؟ لا. النموذج يصف ويقدّر ما يراه؛ لا يُرجع البيانات الأساسية الدقيقة. استخدم جدول البيانات الأصلي عندما تكون القيم الدقيقة مهمة.

تعمق أكثر