GroupDocs.Search for .NET 26.10 – Oktober 2026 Release-Highlights
GroupDocs.Search for .NET 26.10 ist ein wichtiges Release: ein neu gestaltetes Indexformat macht Indizes kleiner, spart RAM und lässt sie schneller öffnen und beschleunigt Suche, Löschung, Optimierung und Bildsuche.
GroupDocs.Watermark for Python 26.10 – Oktober 2026 – Highlights der Veröffentlichung
GroupDocs.Watermark for Python 26.10 führt einen benutzerdefinierten Logger, strengere Attributverarbeitung, Engine- und Runtime-Updates sowie mehrere Fehlerbehebungen ein.
Projektgedächtnis für KI-Agenten: ein Index pro Projekt, stets aktuell
Ein Agent, der zu Beginn jeder Sitzung die Dokumente eines Projekts erneut liest, verschwendet Zeit und Kontext. Ein benannter, persistenter Index ist das Gedächtnis des Agenten für den Ordner: einmal erstellt, bei Änderungen der Dateien mit einem Aufruf aktualisiert, getrennt für jedes Projekt.
Warum ein KI-Agent nicht 300 Verträge lesen sollte, um eine Frage zu beantworten
Ein Agent, der die Frage „Welche Verträge erwähnen X“ beantwortet, indem er jede Datei öffnet, verbraucht seinen Kontext und übersieht dennoch Dinge. Ein Index liefert, welche Dateien in einem Aufruf passen, und der Agent liest nur die relevanten Klauseln.
GroupDocs.Redaction for Java 26.10 – Oktober 2026 – Release‑Highlights
GroupDocs.Redaction for Java 26.10 führt OOXML‑Konformität, benutzerdefinierte PDF‑Redaktion und neue Unterstützung für Tabellenkalkulationsvorlagen ein.
GroupDocs.Redaction for Node.js 26.10 – Oktober 2026 – Highlights der Veröffentlichung
Die Oktober 2026‑Veröffentlichung bringt OOXML‑Konformität, neue Excel‑Vorlagenformate und benutzerdefinierte PDF‑PageArea‑Redaktion zu GroupDocs.Redaction for Node.js.
3 Architekturen für die KI-Dokumentenverarbeitung und die, die Dateien in Ihrem Netzwerk behält
Sicherheitsprüfer fragen, wohin ein Dokument geht, wenn ein KI‑Agent es verarbeitet. Ein GroupDocs MCP‑Server läuft lokal als Kindprozess Ihres KI‑Clients, sodass Dokumente auf dem Rechner bleiben und nur Eingabeaufforderungen zum Modellanbieter gesendet werden.
3 Fragen, die ein KI‑Agent einem Dokument stellen sollte, bevor er es rendert
Das Rendern jeder Seite einer langen Datei überflutet den Kontext eines Agenten mit Bildern, die er nie benötigte. Drei einfache Fragen, die von einem Tool beantwortet werden, zeigen dem Agenten, welche Seiten gerendert werden sollen.
3 Metadaten‑Fragen, die Sie einem KI‑Agenten stellen sollten, bevor Sie ein Dokument teilen
Dateien enthalten Autorennamen, Unternehmensfelder und GPS‑Koordinaten, die vor dem Versenden niemand beachtet. Drei Eingabeaufforderungen an einen KI‑Agenten mit GroupDocs.Metadata.Mcp verwandeln das Audit in ein Gespräch.
3 Möglichkeiten, Dokumentdaten mit KI-Agenten und MCP zu extrahieren (Text, Tabellen, Bilder)
Ein LLM, das ein eingefügtes PDF liest, rät über die Struktur und kann Scans nicht sehen. GroupDocs.Parser.Mcp stellt dem Agenten Extraktionswerkzeuge zur Verfügung, sodass ein Prompt den Text, die Tabelle oder den Barcode-Wert zurückgibt.
