AI‑агент может прочитать диаграмму в PDF или отсканированную страницу без текстового слоя, если страница сначала отрисована как изображение. Сервер GroupDocs.Viewer.Mcp выполняет эту отрисовку локально на вашем компьютере и передаёт PNG Claude, Cursor или GitHub Copilot, а модель с возможностями зрения читает изображение:

На странице 7 годового отчёта есть диаграмма доходов. Каковы цифры за каждый квартал?

Пошаговая версия с настройкой и устранением неполадок находится в документации: Как заставить AI‑агента читать диаграммы, схемы и отсканированные страницы.

Ситуация: ответ существует только как изображение

Вы открываете годовой отчёт, и нужное вам число — высота столбца. Вы открываете контракт, полученный со сканера, и в PDF нет выделяемого текста. Вы открываете слайд, где решение представлено стрелкой‑схемой. Агент, работающий с извлечённым текстом, ничего не найдёт в этих трёх случаях, потому что нет символов для извлечения. Информация реальна, и она нарисована.

Что может прочитать агент с отрисованной страницы?

  • Диаграммы и графики. Значения, тенденции, подписи и легенды.
  • Отсканированные страницы. PDF, созданный сканером, представляет собой картинку страницы. Изображение — единственный путь внутрь.
  • Печати, подписи и рукописный текст. Подписана ли страница и что написано на печати.
  • Вопросы о макете. «Есть ли логотип в шапке?» или «Переполняет ли этот слайд границы?»

Каждый из этих вопросов касается того, как выглядит страница. Отрисованное изображение отвечает на них напрямую.

Шаг 1: Найти страницу без отрисовки документа

Длинный отчёт не следует полностью отрисовывать, чтобы найти одну диаграмму. Попросите агента дешево определить нужную страницу:

Сколько страниц в отчёте? Отрисуйте страницу содержания и скажите, где находится диаграмма доходов.

Агент вызывает get_view_info, чтобы узнать количество страниц, затем render_page для страницы содержания. Это два небольших вызова вместо пятидесяти отрисовок. Каждая отрисованная страница возвращается как встроенный PNG, часто несколько сотен килобайт, так что экономия реальна.

Шаг 2: Отрисовать страницу и прочитать её

Зная номер страницы, агент вызывает render_page для этой страницы и передаёт изображение модели. Изображение также сохраняется как <name>_page<N>.png, чтобы вы могли открыть ту же картинку и сравнить её с ответом.

Шаг 3: Спросить, насколько уверен модель

Прочитайте диаграмму доходов на странице 7. Укажите, какие значения вы уверены, а какие пришлось оценивать по высоте столбцов.

Модель, читающая изображение, может ошибиться в маленькой цифре или в тусклом скане. Для цифр, влияющих на решение, попросите агента указать степень уверенности, а затем проверьте источник.

Пример сеанса

Иллюстрация, основанная на задокументированном поведении, а не захваченный скриншот. Текст в квадратных скобках представляет то, что модель прочитала бы с изображения.

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].

Почему не OCR?

Отрисовка — это не OCR. OCR превращает изображение в текст; этот путь даёт модели изображение и позволяет ей интерпретировать то, что находится на нём, включая части, которые не являются текстом. Сервер не генерирует проверенный текст из скана. Если нужен просматриваемый текстовый слой, это отдельный шаг с отдельным инструментом.

Честные ограничения

  • Чтение — это интерпретация, а не извлечение. Модель может ошибиться в маленькой цифре, тусклом скане или перегруженной легенде. Отрисовка не превращает скан в проверенный текст.
  • Модель должна принимать изображение как ввод. При модели только с текстом агент может передать путь к сохранённому PNG, но она не сможет сказать, что показывает диаграмма.
  • Оценочный водяной знак. Без лицензии каждая отрисованная страница содержит оценочный водяной знак, который накладывается поверх страницы и может скрыть детали, которые вы запросили. Процесс сервера также открывает не более 15 документов одновременно. Спросите «Лицензирован ли сервер Viewer?», чтобы агент вызвал get_license_status перед тем, как вы будете полагаться на прочитанное.
  • Одна страница за вызов, только PNG.
  • Изображение покидает сервер. Оно отправляется вашему агенту и его модели. Локально размещённая модель сохраняет всё на машине; размещённая модель получает изображение как часть диалога.

FAQ

Может ли Claude прочитать диаграмму в PDF? Claude может прочитать диаграмму, если страница отрисована в изображение и используемая модель принимает изображения. GroupDocs.Viewer.Mcp отрисовывает страницу локально с помощью render_page и возвращает PNG Claude.

Мой отсканированный PDF не содержит текста, как AI может его прочитать? Отрисуйте страницу в изображение и передайте его модели с возможностями зрения. Модель читает картинку, а не текстовый слой, и её чтение следует проверять для важных цифр.

Это то же самое, что извлечение данных из изображения диаграммы? Нет. Модель описывает и оценивает то, что видит; она не возвращает точные исходные данные. Используйте исходную таблицу, когда важна точность значений.

Подробнее