Docker

使用 GroupDocs.Search.Mcp 为 AI 代理提供的每个项目持久化文档索引

AI 代理的项目记忆：每个项目一个索引，保持最新

在每个会话开始时重新读取项目文档的代理会浪费时间和上下文。具名的持久化索引是代理对文件夹的记忆：一次构建，文件变更时只需一次调用即可刷新，且每个项目独立。

Claude Code 在仓库中使用 GroupDocs.Search.Mcp 搜索 PDF 和 Word 文档

grep 无法读取 PDF：为你的编码代理提供文档索引

编码代理使用 grep 搜索仓库时，grep 在 PDF 数据表或 Word 规格说明中看不到任何内容。基于 MCP 的本地文档索引为代理提供与代码并行的相同搜索‑读取循环。

基于文件的可靠答案：引用段落，而非模型记忆

将文档粘贴到聊天中会填充大量问题不需要的文本，导致答案偏离来源。来自本地索引的片段只提供匹配的段落，使每个答案都能引用其依据。

使用本地全文索引和 GroupDocs.Search.Mcp 的 AI 代理搜索文档

您是否需要向量数据库来对文件夹中的文档提问？

对“让代理从我的文档中回答”这一需求的默认答案是嵌入管道和向量数据库。对于合同、报告或邮件文件夹，使用全文搜索和本地索引的代理能够提供有依据、引用的答案，且所需的技术设施要少得多。

使用 GroupDocs.Search.Mcp 的 AI 代理搜索 Outlook PST 存档和电子邮件附件

使用 AI 代理搜索您的电子邮件存档：PST、MSG、EML 以及其中的附件

对“供应商对价格有什么说法？”的答案常常藏在附件、邮件或存档中。GroupDocs.Search.Mcp 按消息逐条、按附件逐个索引存档，并向代理精确指示匹配所在位置。

为什么 AI 代理不应阅读 300 份合同来回答一个问题

通过打开每个文件来回答“哪些合同提到 X”的代理会消耗上下文且仍可能遗漏内容。索引可以一次性返回匹配的文件，代理只读取相关条款。

使用 GroupDocs.Parser.Mcp 的 AI 代理将 PDF 表格提取为 JSON

从 PDF 中提取表格到 JSON，且不让 LLM 猜测单元格

让 LLM 从粘贴的文档中读取表格会让单元格受制于模型。GroupDocs.Parser.Mcp 改为将文档引擎的行提供给代理，以 Markdown 形式供审阅或以 JSON 形式供计算。

使用 GroupDocs.Parser.Mcp 服务器的 AI 代理从文档中提取数据

使用 AI 代理和 MCP 提取文档数据的 3 种方法（文本、表格、图像）

读取粘贴的 PDF 的大语言模型会猜测结构且无法识别扫描件。GroupDocs.Parser.Mcp 为代理提供提取工具，单个提示即可返回文本、表格或条形码值。

使用 MCP 强制执行一致的数据捕获，通过自动提取工作流

当对每个发票文件随意处理时，文件夹中的发票会产生不一致的数据。一次在提示中定义模式，让代理通过 GroupDocs.Parser.Mcp 将其应用于每个文件，并为不符合的文件生成异常列表。

如何在 Linux 上使用 Docker 对 PDF 文本进行编辑

了解如何在 Linux 上使用 Docker 通过 GroupDocs.Redaction for .NET 26.9 和 .NET 10 对 PDF 文本进行编辑。示例使用 ExactPhraseRedaction 将短语用黑色框覆盖，并展示如何从 Visual Studio 或 Docker 命令行运行。