An agen AI dapat membaca diagram dalam PDF, atau halaman yang dipindai tanpa lapisan teks, jika halaman tersebut dirender menjadi gambar terlebih dahulu. Server GroupDocs.Viewer.Mcp melakukan rendering itu secara lokal di mesin Anda dan memberikan PNG ke Claude, Cursor, atau GitHub Copilot, dan model yang mampu melihat gambar membaca gambar tersebut:

Pada halaman 7 laporan tahunan terdapat diagram pendapatan. Apa angka‑angka untuk setiap kuartal?

Versi langkah‑demi‑langkah dengan konfigurasi dan pemecahan masalah ada dalam dokumentasi: How to have an AI agent read charts, diagrams, and scanned pages.

Situasi: jawabannya hanya berupa gambar

Anda membuka laporan tahunan dan angka yang Anda butuhkan adalah tinggi batang. Anda membuka kontrak yang dipindai dan PDF‑nya tidak memiliki teks yang dapat dipilih. Anda membuka slide di mana keputusan berupa panah diagram. Agen yang bekerja pada teks yang diekstrak tidak menemukan apa‑apa dalam ketiga kasus ini, karena tidak ada karakter untuk diekstrak. Informasinya nyata, dan itu digambar.

Apa yang dapat dibaca agen dari halaman yang dirender?

  • Diagram dan grafik. Nilai, tren, label, dan legenda.
  • Halaman yang dipindai. PDF yang dibuat oleh pemindai adalah gambar halaman. Gambar adalah satu‑satunya cara masuk.
  • Stempel, tanda tangan, dan tulisan tangan. Apakah halaman ditandatangani, dan apa yang tertulis pada stempel.
  • Pertanyaan tata letak. “Apakah logo ada di header?” atau “Apakah slide ini meluap?”

Masing‑masing ini adalah pertanyaan tentang tampilan halaman. Gambar yang dirender menjawabnya secara langsung.

Langkah 1: Temukan halaman tanpa merender dokumen

Laporan panjang tidak perlu dirender seluruhnya untuk menemukan satu diagram. Minta agen menemukan halaman dengan cara yang murah:

Berapa banyak halaman dalam laporan? Render halaman daftar isi dan beri tahu saya di mana diagram pendapatan berada.

Agen memanggil get_view_info untuk mengetahui jumlah halaman, lalu render_page untuk halaman daftar isi. Itu dua panggilan kecil dibandingkan lima puluh render. Setiap halaman yang dirender dikembalikan sebagai PNG inline, biasanya beberapa ratus kilobita, sehingga penghematan memang nyata.

Langkah 2: Render halaman dan bacalah

Setelah nomor halaman diketahui, agen memanggil render_page untuk halaman tersebut dan mengirimkan gambar ke model. Gambar juga disimpan sebagai <name>_page<N>.png, sehingga Anda dapat membuka gambar yang sama dan membandingkannya dengan jawaban.

Langkah 3: Tanyakan seberapa yakin model

Baca diagram pendapatan pada halaman 7. Sebutkan nilai‑nilai yang Anda yakin dan nilai‑nilai yang harus diperkirakan dari tinggi batang.

Model yang membaca gambar dapat salah membaca angka kecil atau pemindaian yang pudar. Untuk angka yang menjadi dasar keputusan, minta agen menyatakan tingkat kepercayaannya, lalu periksa sumbernya.

Contoh sesi

Ilustrasi berdasarkan perilaku yang didokumentasikan, bukan tangkapan layar. Teks dalam kurung siku mewakili apa yang akan dibaca model dari gambar.

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].

Mengapa bukan OCR?

Rendering bukan OCR. OCR mengubah gambar menjadi teks; jalur ini memberikan gambar kepada model dan membiarkannya menafsirkan apa yang ada, termasuk bagian yang bukan teks. Server tidak menghasilkan teks terverifikasi dari pemindaian. Jika Anda memerlukan lapisan teks yang dapat dicari, itu merupakan langkah terpisah dengan alat terpisah.

Batasan yang jujur

  • Pembacaan adalah interpretasi, bukan ekstraksi. Model dapat salah membaca angka kecil, pemindaian yang pudar, atau legenda yang ramai. Rendering tidak mengubah pemindaian menjadi teks terverifikasi.
  • Model harus menerima input gambar. Dengan model yang hanya menerima teks, agen dapat mengirimkan jalur PNG yang disimpan, tetapi tidak dapat memberi tahu Anda apa yang dikatakan diagram.
  • Watermark evaluasi. Tanpa lisensi, setiap halaman yang dirender menampilkan watermark evaluasi yang menutupi detail yang Anda minta. Proses server juga membuka maksimal 15 dokumen. Tanyakan “Apakah server viewer berlisensi?” sehingga agen memanggil get_license_status sebelum Anda mengandalkan apa yang dibacanya.
  • Satu halaman per panggilan, hanya PNG.
  • Gambar meninggalkan server. Gambar dikirim ke agen Anda dan modelnya. Model yang dihosting secara lokal menyimpan semuanya di mesin; model yang dihosting menerima gambar sebagai bagian dari percakapan.

FAQ

Apakah Claude dapat membaca diagram dalam PDF? Claude dapat membaca diagram jika halaman dirender menjadi gambar dan model yang digunakan menerima gambar. GroupDocs.Viewer.Mcp merender halaman secara lokal dengan render_page dan mengembalikan PNG ke Claude.

PDF yang dipindai tidak memiliki teks, bagaimana AI dapat membacanya? Render halaman menjadi gambar dan berikan gambar tersebut ke model yang mampu melihat. Model membaca gambar alih‑alih lapisan teks, dan bacaan model harus diperiksa untuk angka‑angka penting.

Apakah ini sama dengan mengekstrak data dari gambar diagram? Tidak. Model mendeskripsikan dan memperkirakan apa yang dilihat; ia tidak mengembalikan data dasar yang tepat. Gunakan spreadsheet sumber ketika nilai yang tepat penting.

Selami lebih dalam