Bewerk één werkblad, behoud de werkmap: chirurgische bewerkingen met een HTML round-trip
Een agent die gevraagd wordt twee getallen op één blad te wijzigen, mag de werkmap niet opnieuw opbouwen. Haal dat blad op als HTML, laat de agent het bewerken, en sla het op in een kopie van het origineel: de andere bladen gaan nooit door het model.
De grafiek komt uit de sjabloon, de cijfers komen uit de gegevens
Een model vragen om een tabel of een grafiek uit een CSV te tekenen leidt tot verzonnen rijen en afgeronde cijfers. Plaats de tabel en de grafiek in een sjabloon, geef het gegevensbestand aan de engine, en de agent beslist alleen welke sjabloon en welk bestand.
Een PDF bewerken met een AI-agent? Zet het eerst om naar Word, lokaal
‘Bewerk deze PDF’ is een van de meest voorkomende verzoeken aan een AI-agent, en een PDF is het minst bewerkbare formaat dat er bestaat. Het eerlijke antwoord is een conversie: de agent zet de PDF lokaal om in een bewerkbaar Word-document, waarna de wijziging daar wordt aangebracht.
Hernoem een partij in 40 contracten zonder de opmaak aan te passen
Een leverancier verandert zijn naam en veertig documenten hebben de nieuwe nodig. Een agent met een zoek‑en‑vervang‑tool doorloopt de map, maakt een bewerkte kopie van elk bestand, rapporteert een telling per bestand en slaat de bestanden over die de oude naam niet vermelden.
Honderd gepersonaliseerde PDF's vanuit één prompt: mail merge met een AI-agent
Mail merge is de oudste automatisering op kantoor en nog steeds degene die mensen handmatig doen. Met een MCP‑tool die een sjabloon over een JSON‑array spreidt, schrijft een agent één bestand per klant, benoemt elk bestand naar een veld, en geeft de records weer die zijn mislukt in plaats van te stoppen.
Vul Word-formulieren in vanuit een spreadsheet met een AI-agent, lokaal
HR heeft een Word-onboardingformulier en een spreadsheet met nieuwe medewerkers. Een agent die eerst het formulier vraagt naar de veldnamen, vervolgens één exemplaar per rij invult, levert correcte formulieren op en vertelt welke waarden nergens heen konden.
Waarom een AI-agent uw document niet moet herschrijven om drie woorden te wijzigen
Een model vragen een contract opnieuw te typen om één partij te hernoemen, leidt tot verlies van stijlen, tabellen en het vertrouwen van de beoordelaar. Een gerichte bewerking wijzigt alleen de door u genoemde woorden, rapporteert hoeveel, en schrijft niets wanneer er niets overeenkomt.
Doorzoek uw e-mailarchief met een AI-agent: PST, MSG, EML en de bijlagen erin
Het antwoord op ‘wat zei de leverancier over de prijzen?’ staat vaak in een bijlage, in een bericht, in een archief. GroupDocs.Search.Mcp indexeert archieven bericht voor bericht en bijlage voor bijlage, en vertelt de agent precies waar een overeenkomst is gevonden.
Gefundeerde antwoorden uit uw bestanden: citeer de passage, niet het geheugen van het model
Het plakken van documenten in een chat vult de context met tekst die de vraag niet nodig heeft, en het antwoord drijft af van de bron. Fragmenten uit een lokale index geven de agent alleen de overeenkomende passages, zodat elk antwoord kan citeren waar het op gebaseerd is.
Heb je een vector-database nodig om vragen te stellen over een map met documenten?
Het standaardantwoord op ’laat de agent antwoorden uit mijn documenten’ is een embed‑pipeline en een vector-database. Voor een map met contracten, rapporten of e‑mail geeft een agent met full‑text zoeken en een lokale index je onderbouwde, geciteerde antwoorden met veel minder gereedschap.