Un agente AI può leggere un grafico in un PDF, o una pagina scansionata senza livello di testo, se la pagina viene prima renderizzata come immagine. Il server GroupDocs.Viewer.Mcp esegue quel rendering localmente sul tuo computer e consegna il PNG a Claude, Cursor o GitHub Copilot, e un modello con capacità visiva legge l’immagine:

Alla pagina 7 del rapporto annuale c’è un grafico dei ricavi. Quali erano i valori per ogni trimestre?

La versione passo‑passo con configurazione e risoluzione dei problemi è nella documentazione: Come far leggere a un agente AI grafici, diagrammi e pagine scansionate.

La situazione: la risposta esiste solo come immagine

Apri un rapporto annuale e il numero di cui hai bisogno è l’altezza di una barra. Apri un contratto proveniente da uno scanner e il PDF non ha testo selezionabile. Apri una slide in cui la decisione è una freccia diagrammatica. Un agente che lavora su testo estratto non trova nulla in nessuno di questi tre casi, perché non ci sono caratteri da estrarre. L’informazione è reale, ed è disegnata.

Cosa può leggere l’agente da una pagina renderizzata?

  • Grafici e diagrammi. Valori, tendenze, etichette e legende.
  • Pagine scansionate. Un PDF creato da uno scanner è un’immagine di una pagina. L’immagine è l’unico modo d’ingresso.
  • Bolli, firme e scrittura a mano. Se una pagina è firmata e cosa dice un bollo.
  • Domande di layout. “Il logo è nell’intestazione?” o “Questa slide trabocca?”

Ognuna di queste è una domanda su come appare la pagina. Un’immagine renderizzata risponde direttamente.

Passo 1: Trova la pagina senza renderizzare il documento

Un rapporto lungo non dovrebbe essere renderizzato interamente per trovare un solo grafico. Chiedi all’agente di individuare la pagina in modo economico:

Quante pagine ha il rapporto? Renderizza la pagina del sommario e dimmi dove si trova il grafico dei ricavi.

L’agente chiama get_view_info per conoscere il conteggio delle pagine, poi render_page per la pagina del sommario. Sono due chiamate piccole anziché cinquanta renderizzazioni. Ogni pagina renderizzata viene restituita come PNG inline, spesso poche centinaia di kilobyte, quindi il risparmio è reale.

Passo 2: Renderizza la pagina e leggila

Con il numero di pagina noto, l’agente chiama render_page per quella pagina e passa l’immagine al modello. L’immagine viene anche salvata come <name>_page<N>.png, così puoi aprire la stessa immagine tu stesso e confrontarla con la risposta.

Passo 3: Chiedi quanto è sicuro il modello

Leggi il grafico dei ricavi alla pagina 7. Indica quali valori sei certo e quali hai dovuto stimare dall’altezza delle barre.

Un modello che legge un’immagine può fraintendere un numero piccolo o una scansione debole. Per i valori che influenzano una decisione, fai dichiarare all’agente la sua confidenza, poi verifica la fonte.

Sessione di esempio

Un’illustrazione basata sul comportamento documentato, non uno screenshot catturato. Il testo tra parentesi quadre rappresenta ciò che un modello leggerebbe dall’immagine.

Tu:   Alla pagina 7 di annual-report.pdf c’è un grafico dei ricavi. Quali erano
       i valori per ogni trimestre? Indica quanto sei sicuro.

Agente: [chiama get_view_info su annual-report.pdf, poi render_page con page = 7]
       Pagina 7 di 'annual-report.pdf' Salvata in: <output folder>/annual-report_page7.png
       Il grafico mostra [valori trimestrali letti dall'immagine].
       Valori stampati sul grafico: [lista]. Valori stimati dall'altezza della barra: [lista].

Perché non OCR?

Il rendering non è OCR. L’OCR trasforma un’immagine in testo; questo percorso fornisce al modello l’immagine e gli permette di interpretare ciò che c’è, comprese le parti che non sono testo. Il server non produce testo verificato da una scansione. Se ti serve un livello di testo ricercabile, è un passaggio separato con uno strumento separato.

Limiti onesti

  • Una lettura è un’interpretazione, non un’estrazione. Il modello può fraintendere un numero piccolo, una scansione debole o una leggenda affollata. Il rendering non trasforma una scansione in testo verificato.
  • Il modello deve accettare input immagine. Con un modello solo testuale l’agente può passare il percorso PNG salvato, ma non può dirti cosa dice il grafico.
  • Filigrana di valutazione. Senza licenza, ogni pagina renderizzata porta una filigrana di valutazione che si sovrappone alla pagina e può nascondere il dettaglio richiesto. Un processo server apre anche al massimo 15 documenti. Chiedi “Il server viewer è licenziato?” così l’agente chiama get_license_status prima di fare affidamento su ciò che legge.
  • Una pagina per chiamata, solo PNG.
  • L’immagine lascia il server. Va al tuo agente e al suo modello. Un modello ospitato localmente mantiene tutto sulla macchina; un modello ospitato riceve l’immagine come parte della conversazione.

FAQ

Claude può leggere un grafico in un PDF? Claude può leggere un grafico se la pagina è renderizzata in un’immagine e il modello in uso accetta immagini. GroupDocs.Viewer.Mcp renderizza la pagina localmente con render_page e restituisce il PNG a Claude.

Il mio PDF scansionato non ha testo, come può leggerlo l’AI? Renderizza la pagina in un’immagine e fornisci l’immagine a un modello con capacità visiva. Il modello legge l’immagine anziché un livello di testo, e la sua lettura dovrebbe essere verificata per i valori importanti.

È la stessa cosa estrarre dati da un’immagine di grafico? No. Il modello descrive e stima ciò che vede; non restituisce i dati sottostanti esatti. Usa il foglio di calcolo di origine quando i valori esatti sono fondamentali.

Approfondisci