คำตอบของคำถาม ‘ผู้จัดจำหน่ายบอกอย่างไรเกี่ยวกับราคา?’ มักอยู่ในไฟล์แนบ ภายในข้อความ หรือภายในคลังข้อมูล. GroupDocs.Search.Mcp ทำการจัดทำดัชนีคลังข้อมูลทีละข้อความและไฟล์แนบทีละไฟล์ และบอกเอเจนต์ว่าตรงกันที่ไหน
การวางเอกสารลงในแชททำให้บริบทเต็มไปด้วยข้อความที่คำถามไม่ต้องการ, และคำตอบก็หลุดออกจากแหล่งอ้างอิง. ส่วนย่อยจากดัชนีในเครื่องให้เอเจนต์ได้เฉพาะข้อความที่ตรงกัน, ดังนั้นทุกคำตอบจึงสามารถอ้างอิงสิ่งที่อิงอยู่ได้.
คำตอบเริ่มต้นสำหรับ ‘ให้เอเจนต์ตอบจากเอกสารของฉัน’ คือการใช้ pipeline ฝังข้อมูลและฐานข้อมูลเวกเตอร์ สำหรับโฟลเดอร์สัญญา รายงาน หรือเมล เอเจนต์ที่มีการค้นหาเต็มข้อความและดัชนีในเครื่องจะให้คำตอบที่อ้างอิงได้และมีความแม่นยำโดยใช้เครื่องมือที่น้อยลงมาก
เอเจนต์ที่ตอบว่า ‘สัญญาใดมี X’ โดยเปิดทุกไฟล์จะใช้บริบทจนหมดและยังพลาดข้อมูลได้อีก ดัชนีจะตอบว่าไฟล์ใดตรงกันในหนึ่งการเรียก และเอเจนต์จะอ่านเฉพาะข้อกำหนดที่สำคัญเท่านั้น
เอเจนต์ที่อ่านเอกสารของโครงการใหม่ทุกครั้งเมื่อเริ่มเซสชันจะเสียเวลาและบริบท. ดัชนีที่ตั้งชื่อและคงอยู่เป็นหน่วยความจำของเอเจนต์ต่อโฟลเดอร์: สร้างครั้งเดียว, รีเฟรชด้วยการเรียกหนึ่งครั้งเมื่อไฟล์เปลี่ยนแปลง, แยกกันสำหรับแต่ละโครงการ.
การเรนเดอร์ทุกหน้าของไฟล์ยาวทำให้บริบทของเอเจนต์เต็มไปด้วยภาพที่ไม่จำเป็นต้องใช้ คำถามสามข้อที่ง่ายและตอบได้ด้วยเครื่องมือเดียวบอกเอเจนต์ว่าควรเรนเดอร์หน้าใด
ไฟล์มีชื่อผู้เขียน, ฟิลด์บริษัทและพิกัด GPS ที่ไม่มีใครตรวจสอบก่อนส่ง. สามคำสั่งให้เอเจนต์ AI ด้วย GroupDocs.Metadata.Mcp ทำให้การตรวจสอบกลายเป็นการสนทนา
การตรวจสอบคอมเมนต์ที่กระจายอยู่ในหลายไฟล์ทำให้ยากต่อการสรุปด้วยมือ เอเจนต์ AI สามารถอ่านคำอธิบายของแต่ละไฟล์เป็นข้อมูลโครงสร้างและแปลงเป็นสรุป ตาราง หรือไฟล์เก็บข้อมูล XML.
คู่มือ 400 หน้าไม่สามารถใส่ในพรอมต์ได้ และคำถามส่วนใหญ่ต้องการเพียงบทเดียวเท่านั้น GroupDocs.Markdown.Mcp จะแปลงเฉพาะหน้า หรือแผ่นงานที่คุณระบุ ทำให้ LLM อ่านน้อยลง
เอกสารที่สร้างหรือแชร์ผ่านเอเจนต์ AI มักไม่บอกที่มาของมัน การสั่งงานหนึ่งครั้งต่อประเภทลายน้ำจะติดป้ายด้วย GroupDocs.Watermark.Mcp และเอกสารต้นฉบับจะไม่ถูกแก้ไข