マルチモーダルエージェントはテキストだけでなくピクセルが必要です テキスト抽出はAIエージェントに文書の文字だけを渡し、レイアウトやチャート、スタンプを失います。1つのプロンプトでページを画像としてレンダリングすれば、エージェントは直接それを見ることができます。
テキスト抽出はAIエージェントに文書の文字だけを渡し、レイアウトやチャート、スタンプを失います。1つのプロンプトでページを画像としてレンダリングすれば、エージェントは直接それを見ることができます。