Um agente de IA pode ler um gráfico em um PDF, ou uma página escaneada sem camada de texto, se a página for renderizada como imagem primeiro. O servidor GroupDocs.Viewer.Mcp faz essa renderização localmente na sua máquina e entrega o PNG ao Claude, Cursor ou GitHub Copilot, e um modelo com capacidade de visão lê a imagem:

Na página 7 do relatório anual há um gráfico de receita. Quais foram os valores de cada trimestre?

A versão passo a passo com configuração e solução de problemas está na documentação: Como fazer um agente de IA ler gráficos, diagramas e páginas escaneadas.

A situação: a resposta existe apenas como uma imagem

Você abre um relatório anual e o número que precisa está na altura de uma barra. Você abre um contrato que veio de um scanner e o PDF não tem texto selecionável. Você abre um slide onde a decisão é uma seta de diagrama. Um agente que trabalha com texto extraído não encontra nada em nenhum desses três casos, porque não há caracteres para extrair. A informação é real, e está desenhada.

O que o agente pode ler de uma página renderizada?

  • Gráficos e diagramas. Valores, tendências, rótulos e legendas.
  • Páginas escaneadas. Um PDF feito por um scanner é uma imagem de uma página. A imagem é a única forma de entrada.
  • Carimbos, assinaturas e escrita manual. Se uma página está assinada, e o que um carimbo diz.
  • Perguntas de layout. “O logotipo está no cabeçalho?” ou “Este slide está excedendo?”

Cada um desses é uma pergunta sobre como a página parece. Uma imagem renderizada responde diretamente.

Etapa 1: Encontrar a página sem renderizar o documento

Um relatório longo não deve ser renderizado completamente para encontrar um gráfico. Peça ao agente para localizar a página de forma econômica:

Quantas páginas tem o relatório? Renderize a página de índice e me diga onde está o gráfico de receita.

O agente chama get_view_info para descobrir a contagem de páginas, então render_page para a página de índice. Isso são duas chamadas pequenas em vez de cinquenta renderizações. Cada página renderizada retorna como um PNG embutido, geralmente algumas centenas de kilobytes, então a economia é real.

Etapa 2: Renderizar a página e lê‑la

Com o número da página conhecido, o agente chama render_page para essa página e passa a imagem ao modelo. A imagem também é salva como <name>_page<N>.png, para que você possa abrir a mesma foto e compará‑la com a resposta.

Etapa 3: Perguntar quão confiante o modelo está

Leia o gráfico de receita na página 7. Diga quais valores você tem certeza e quais teve que estimar a partir das alturas das barras.

Um modelo que lê uma imagem pode interpretar erroneamente um número pequeno ou uma digitalização fraca. Para valores que entram em uma decisão, faça o agente declarar sua confiança, então verifique a fonte.

Sessão de exemplo

Uma ilustração baseada no comportamento documentado, não uma captura de tela. O texto entre colchetes representa o que um modelo leria da imagem.

Você:   Na página 7 do annual-report.pdf há um gráfico de receita. Quais foram
       os valores de cada trimestre? Diga quão confiante você está.

Agente: [calls get_view_info on annual-report.pdf, then render_page with page = 7]
       Página 7 de 'annual-report.pdf' Salvo em: <output folder>/annual-report_page7.png
       O gráfico mostra [valores trimestrais lidos da imagem].
       Valores impressos no gráfico: [list]. Valores estimados a partir da altura da barra: [list].

Por que não OCR?

Renderização não é OCR. OCR converte uma imagem em texto; este caminho fornece a imagem ao modelo e permite que ele interprete o que está lá, incluindo as partes que não são texto. O servidor não produz texto verificado a partir de uma digitalização. Se você precisar de uma camada de texto pesquisável, isso é uma etapa separada com uma ferramenta separada.

Limitações honestas

  • Uma leitura é uma interpretação, não extração. O modelo pode interpretar erroneamente um número pequeno, uma digitalização fraca ou uma legenda lotada. Renderizar não transforma uma digitalização em texto verificado.
  • O modelo deve aceitar entrada de imagem. Com um modelo apenas de texto, o agente pode passar o caminho do PNG salvo, mas não pode dizer o que o gráfico mostra.
  • Marca d’água de avaliação. Sem uma licença, cada página renderizada carrega uma marca d’água de avaliação que fica sobre a página e pode ocultar o detalhe que você solicitou. Um processo de servidor também abre no máximo 15 documentos. Pergunte “O servidor viewer está licenciado?” para que o agente chame get_license_status antes de confiar no que ele lê.
  • Uma página por chamada, apenas PNG.
  • A imagem sai do servidor. Ela vai para o seu agente e seu modelo. Um modelo hospedado localmente mantém tudo na máquina; um modelo hospedado recebe a imagem como parte da conversa.

Perguntas Frequentes

O Claude pode ler um gráfico em um PDF? Claude pode ler um gráfico se a página for renderizada para uma imagem e o modelo em uso aceitar imagens. GroupDocs.Viewer.Mcp renderiza a página localmente com render_page e devolve o PNG ao Claude.

Meu PDF escaneado não tem texto, como a IA pode lê‑lo? Renderize a página para uma imagem e forneça a imagem a um modelo com capacidade de visão. O modelo lê a foto em vez de uma camada de texto, e sua leitura deve ser verificada para valores importantes.

Isso é o mesmo que extrair dados de uma imagem de gráfico? Não. O modelo descreve e estima o que vê; não devolve os dados subjacentes exatos. Use a planilha fonte quando valores exatos forem importantes.

Aprofunde-se