یک عامل هوش مصنوعی می‌تواند یک PDF را تقسیم کند و سند را فقط از صفحاتی که نیاز دارید بازسازی کند با زنجیره‌سازی دو ابزار: split صفحات را استخراج می‌کند و merge آن‌ها را دوباره ترکیب می‌کند. سرور GroupDocs.Merger.Mcp هر دو را به‌صورت محلی بر روی ماشین شما اجرا می‌کند، بنابراین یک درخواست واحد کار را در Claude Desktop، Claude Code یا Cursor انجام می‌دهد:

صفحات ۳، ۶ و ۸ را استخراج کنید، سپس سه نتیجه را به ترتیب در یک فایل ترکیب کنید.

نسخه گام‌به‌گام با پیکربندی و عیب‌یابی در مستندات موجود است: چگونه یک سند را تقسیم کنیم و صفحات مورد نظر را دوباره ترکیب کنیم.

چرا ابزار split به گام دوم نیاز دارد؟

یک LLM که از آن خواسته می‌شود صفحات یک سند را برش دهد، بدون ابزار تنها یک گزینه دارد: بازنویسی متن قابل مشاهده. این کار قالب‌بندی را از دست می‌دهد و ممکن است محتوا را تغییر دهد. با یک موتور آگاه از صفحات، عامل بر روی صفحات واقعی کار می‌کند.

جزئیاتی که هر جریان کاری را شکل می‌دهد این است که split چگونه رفتار می‌کند. این ابزار صفحات نام‌برده‌شده را استخراج می‌کند و هر کدام را به‌عنوان سند جداگانه ذخیره می‌کند. سه شماره صفحه منجر به سه فایل می‌شود، نه یک فایل با سه صفحه. این استخراج صفحه است، نه «برش اینجا». سه روش زیر در این تفاوت دارند که عامل با این فایل‌های تک‌صفحه چه کاری انجام می‌دهد.

روش ۱: چگونه صفحات را به‌صورت فایل‌های جداگانه استخراج کنیم؟

صفحات ۳، ۶ و ۸ از report.pdf را استخراج کنید.

عامل split را با pages: "3,6,8" فراخوانی می‌کند. ابزار پیامی به شکل Split "report.pdf" into 3 file(s): برمی‌گرداند که پس از آن مسیر ذخیره‌شده هر سند استخراج‌شده آمده است. از این روش زمانی استفاده کنید که هر صفحه به‌عنوان محصول نهایی باشد: صفحه امضا، گواهی‌نامه، یک فرم از یک بسته.

شماره‌های صفحات به‌صورت لیست کاما جدا شده و از ۱ شروع می‌شوند. هر صفحه‌ای که می‌خواهید نام ببرید. محدوده به‌عنوان ورودی مستند نشده است، بنابراین برای صفحات ۵ تا ۹ باید در درخواست 5,6,7,8,9 را بنویسید.

روش ۲: چگونه صفحات را استخراج کنیم و در یک سند ترکیب کنیم؟

صفحات ۵ تا ۹ از report.pdf را استخراج کنید، سپس نتایج را به ترتیب صفحات در یک فایل ترکیب کنید.

در اینجا عامل خود صفحات را فهرست می‌کند (5,6,7,8,9)، یک بار split را فراخوانی می‌کند و سپس merge را صدا می‌زند. چون merge در هر فراخوانی دو تا چهار سند می‌گیرد، پنج فایل تک‌صفحه به دو دور نیاز دارند: ابتدا چهار صفحه، سپس نتیجه آن به‌همراه صفحه پنجم. زنجیره‌سازی را به‌صورت صریح درخواست کنید. ترتیب بر اساس ترتیب اسلات است، بنابراین عامل باید صفحه ۵ را در file1 و صفحه ۹ را آخرین قرار دهد. در حالت ارزیابی، فایل بازسازی‌شده به سه صفحه اولش کوتاه می‌شود.

این الگوی «استخراج صفحات و دوباره ترکیب کردن» است: دو خانواده ابزار، یک درخواست.

روش ۳: چگونه یک صفحه را از سند حذف کنیم؟

این سند ۱۰ صفحه دارد. تمام صفحات به‌جز صفحه ۴ را استخراج کنید، سپس بقیه را به ترتیب دوباره ترکیب کنید.

همان ترفند، اما معکوس. نه فایل تک‌صفحه به سه فراخوانی merge نیاز دارند: ابتدا چهار فایل اول، سپس نتیجه آن با سه فایل بعدی، سپس نتیجه آن با دو فایل آخر. قبل از شروع، عامل باید تعداد صفحات را با get_document_info بررسی کند، که pageCount و آرایه pages را برمی‌گرداند، تا شماره صفحات صحیح را فهرست کند به‌جای حدس زدن طول.

عامل باید قبل از تقسیم چه چیزی را بررسی کند؟

درخواست صفحه ۱۲ از سندی با ده صفحه منجر به خطا می‌شود به‌جای بازگرداندن کمتر، و این خطا هزینه یک رفت‌وآمد دارد. بازرسی را به‌عنوان اولین گام انجام دهید:

این سند چند صفحه دارد؟ سپس سه صفحه آخر را استخراج کنید.

عامل get_document_info را فراخوانی می‌کند، تعداد صفحات را می‌خواند، سه شماره صفحه آخر را محاسبه می‌کند و سپس split را صدا می‌زند. صفحات گسترده رفتار متفاوتی دارند: در فرمت‌های صفحه گسترده شماره‌های صفحه به ورق‌ها (worksheets) اشاره می‌کند، نه صفحات چاپی. «Split out sheet 2» یعنی pages: "2" و نتیجه یک کتاب‌کار شامل آن ورق است.

جلسه مثال (مختصر)

یک تصویر بر پایه رفتار مستند شده ابزار، نه یک اسکرین‌شات ضبط‌شده.

You:   Pull pages 3, 6 and 8 out of report.pdf and give me one file
       with just those pages, in that order.

Agent: [calls get_document_info on report.pdf: 12 pages]
       [calls split with pages = "3,6,8": 3 files]
       [calls merge with the three single-page files in order]
       Done. The rebuilt document is in your output folder. The
       original report.pdf was not changed.

محدودیت‌های صادقانه

  • قلم‌برداری ۳‑صفحه‌ای بر اسناد بازسازی‌شده تأثیر می‌گذارد. در حالت ارزیابی نتیجه به اولین ۳ صفحه کوتاه می‌شود، با یک نشان آزمایشی بر هر صفحه. یک بازه هشت‌صفحه‌ای بازسازی‌شده به‌صورت سه صفحه باز می‌گردد. قبل از جستجوی باگ، get_license_status را بررسی کنید.
  • استخراج به‌تنهایی تحت تأثیر نیست. مستندات بیان می‌کند که استخراج صفحات تک‌صفحه کوتاه نمی‌شود؛ محدودیت زمانی که نتایج را ترکیب می‌کنید اعمال می‌شود.
  • ورودی محدوده وجود ندارد. split یک لیست از شماره‌های صفحه می‌گیرد و برای هر شماره یک فایل برمی‌گرداند.
  • چهار سند در هر merge. بازه‌های طولانی به چند دور نیاز دارند.
  • یک ویرایشگر نیست. سرور صفحات کامل را استخراج و ترکیب می‌کند. محتوا داخل صفحه را ویرایش نمی‌کند و مستندات اشاره می‌کند که ترتیب‌گذاری داخل فایل به API کتابخانه مربوط می‌شود نه این چهار ابزار.

پرسش‌های متداول

آیا یک عامل هوش مصنوعی می‌تواند صفحات ۵ تا ۹ را از یک PDF استخراج کرده و آن‌ها را ترکیب کند؟ بله. صفحات را فهرست می‌کند، split را برای آن‌ها فراخوانی می‌کند و نتایج تک‌صفحه را در دورهای حداکثر چهار تا ترکیب می‌کند. اگر درخواست کنید ترتیب حفظ می‌شود.

آیا هوش مصنوعی می‌تواند صفحات PDF را دوباره ترتیب دهد؟ در این چهار ابزار فقط با استخراج صفحات و ترکیب آن‌ها به ترتیب دلخواه می‌توانید این کار را انجام دهید. سرور صفحات را داخل یک فایل جابه‌جا نمی‌کند.

چگونه می‌توانم یک سند را به‌صورت بخش‌ها با هوش مصنوعی تقسیم کنم؟ از عامل بخواهید ابتدا تعداد صفحات را بخواند، سپس اولین صفحه هر بخش را خودتان نام ببرید. split صفحات فهرست‌شده را استخراج می‌کند؛ بخش‌ها را تشخیص نمی‌دهد.

عمیق‌تر بروید