對於您的文件的回答，其品質僅與所建構的文本相當；當您在聊天中貼上整個檔案時，無法判斷模型實際使用了哪一部分。GroupDocs.Search.Mcp 在本機 Docker 中執行，為 Claude Desktop、Cursor 或 Copilot 提供了一個不同的原語：get_text_fragments 只返回與查詢匹配的段落，並附帶少量上下文文字與來源檔案名稱，因而代理會以引用的方式作答：

我的合約中關於罰金的規定是什麼？請引用相關段落，並提供足夠的上下文以理解每一段。

包含設定與故障排除的逐步說明位於文件中：如何取得匹配的段落而非讀取整個檔案.

為何答案會偏離文件內容？

因為上下文窗口是一種預算，而整篇文件會浪費這個預算。關於罰金的問題可能只需要五十頁中的三句話。貼上整個五十頁後，模型必須自行在所有內容中找出那三句，並在寫作時保持它們。長篇上下文會被摘要，較早的內容會失去權重，答案便會依賴模型對合約通常說法的一般認知，而非您實際的合約內容。業界將此管理方式稱為 context engineering（上下文工程）；最簡單的做法就是不載入不需要的文字。

片段長什麼樣子？

索引已經保存了每份文件的文字，因此伺服器可以切出每個匹配周圍的段落。以下是我們對五份合成合約測試得到的真實回應。預設值為每側八個詞，會給出一個短語：

-> get_text_fragments {"query":"penalty","indexName":"contracts"}
<- === contracts/acme-master-services-agreement.pdf (1 occurrence(s)) ===
     [content] …before the end of the Term, a termination penalty of
   three monthly fees applies, payable within 30…

每側二十個詞則會給出整個條款：

-> get_text_fragments {"query":"penalty","indexName":"contracts",
     "termsBefore":20,"termsAfter":20,"maxFragmentsPerDocument":1}
<- === contracts/acme-master-services-agreement.pdf (1 occurrence(s)) ===
     …convenience on 90 days written notice.
   12.3 If the Client terminates before the end of the Term, a termination
   penalty of three monthly fees applies, payable within 30 days of the
   termination date.
   14.2 Force majeure: neither party is…

termsBefore 與 termsAfter 如同旋鈕：設定較小時適用於「哪些檔案以及大概位置」，設定較大時則是「引用整條條款」。maxFragmentsPerDocument 與 maxDocuments 限制答案的大小，避免出現出現兩百次的詞彙淹沒上下文。

預算比較

Reading the files                        Searching the index
-------------------------------------    -------------------------------------
agent opens every document               search: which files match (JSON)
  context grows with the corpus          get_text_fragments: the passages
  long files crowd out the question        (~8 words either side, per file)
  repeated for every question            answer cites file + passage
                                         the index is reused next time

隨著語料庫的增大，差異會變得更明顯。對於三個短檔案幾乎沒有影響。對於包含長合約、報告與郵件的資料夾，一個問題的片段可能有數百字，而每個候選文件的完整文本則更長。

當詞彙不同時

全文搜尋匹配詞彙，這是用於落實（每個命中都有說明）的特性，同時也是召回率的限制（同義詞會被錯過）。代理的工作是嘗試變體，且它能看到每個變體實際匹配了什麼：

-> search {"query":"renewal OR renews","indexName":"contracts"}
<- umbrella-office-lease.pdf, terms ["renewal", "renews"]

-> search {"query":"renewl","indexName":"contracts","fuzzy":true}
<- umbrella-office-lease.pdf, terms ["renewal", "renews", "rent"]

模糊匹配救回了拼寫錯誤，同時也把 rent 拉了進來。由於回應列出了匹配的詞彙，代理或您都能看到過度匹配的情況，而不是盲目信任。這種透明度正是「落實」的意義：不僅是「答案引用來源」，更是「您可以看到來源是如何被找到的」。

落實答案的樣子

要求引用時，答案會以一目了然的形式呈現，方便您驗證：

兩份合約包含終止罰金。Acme MSA，第12.3條：「終止罰金為三個月費用，於終止日期起30天內支付。」 Globex 顧問協議，第9節：「客戶支付當前階段剩餘費用的50%。」 Initech NDA 提及終止與罰金，但聲明沒有罰金。

如果摘要誤讀了引用，誤讀會緊貼在引用旁邊。

誠實的限制

  • 在評估模式下，索引最多容納 100 份文件，搜尋最多返回 10 筆。評估模式還會在某些格式的索引文字中加入「Evaluation only…」行，可能會出現在片段中；請為伺服器授權並重新建立索引以移除該行。請先呼叫 get_license_status。
  • 片段的上下文以字數計算，而非句子數，因此段落可能從句中間開始；在需要時提升 termsBefore。
  • 不支援 OCR：沒有文字層的掃描檔無法返回任何段落。
  • 僅支援 Docker；在 Linux 上請加入 --user "$(id -u):$(id -g)"。

常見問題

如何讓 Claude 引用我的文件來源？
提供一個能返回來源文字與檔名的工具。get_text_fragments 正好具備此功能，且給予「引用段落及其檔案」之指示即可養成習慣。

這會減少 token 使用量嗎？
它避免載入整份文件來回答問題：代理只會閱讀匹配的段落。節省多少取決於您的檔案大小。

代理在需要時仍能閱讀整個檔案嗎？
可以，使用其內建的檔案工具。片段用於尋找與引用；當段落不足時則閱讀整個檔案。

深入了解