Вы готовите сообщение участникам встречи: какие напитки будут в буфете, сколько стоит порция и нужно ли брать кружку. Все сведения собраны на одной странице PDF. Прежде чем использовать её текст, проверим, сохранились ли в Open WebUI связи между напитками, объёмами, ценами и условиями выдачи. Затем выберем подходящий способ извлечения: оставим работающий путь или разберём, когда нужны распознавание изображения и другая обработка документа.
Если у вас уже есть доступный PDF, его оригинал и сохранённый в Open WebUI текст, можно выполнять сверку на этом файле. Если такого файла пока нет, разберите приведённую памятку и критерии: они помогут обосновать будущий выбор, но фактическая обработка и проверка останутся невыполненными. Для собственного документа понадобятся его собственные проверяемые сведения.
Памятка буфета полностью вымышленная и не содержит секретных данных. При подготовке урока мы задали её исходный текст, но не создавали PDF-варианты, не загружали их, не выполняли OCR и не отправляли запросы модели. Ниже предложены действия для самостоятельной пробы и критерии сравнения; полученных результатов здесь нет.
Определите, что хранится в PDF
В предыдущем уроке мы научились открывать файл в Knowledge и сверять Indexed text с оригиналом. Теперь применим этот навык к PDF. У него есть дополнительная трудность: по внешнему виду страницы не всегда понятно, как внутри представлены буквы и таблица.
Возьмём один небольшой источник:
Чтобы подготовить сообщение участникам, нужно сохранить всю памятку. Из неё должно быть понятно, какой объём и какая цена относятся к одной порции каждого напитка, а также для чего нужна своя кружка. Набор найденных чисел без этих связей задачу не решает.
За получение текста из файла отвечает обработчик извлечения, или extractor. Когда буквы находятся на изображении, используется OCR — распознавание текста на изображении. Необходимость распознавания зависит от содержимого PDF.
| Что находится внутри PDF | Что можно ожидать от извлечения |
|---|---|
| Цифровой текст, например после экспорта из редактора | Обработчик может прочитать текстовый слой. Затем нужно проверить полноту, порядок и смысловые связи. |
| Изображение страницы без текстового слоя | Для получения текста нужен применимый путь OCR. Видимая страница сама по себе ещё не даёт извлечённых букв. |
| Изображение страницы и скрытый текст, полученный прежним OCR | Текст может выделяться и копироваться, но содержать ошибки распознавания. Его нужно сравнивать с изображением страницы. |
Такое различие между цифровыми PDF, сканами и сканами со скрытым текстом описано в документации pypdf об извлечении текста.
Попробовать выделить, скопировать или найти несколько слов полезно для предварительной проверки. Но успешное копирование не подтверждает точность всего документа. Одна неудачная попытка тоже не доказывает, что в произвольном чужом PDF вообще нет текстового слоя.
Особенно внимательно относитесь к уже распознанным сканам. Если на изображении страницы стоит правильная цена, а копируется другая, повторное чтение того же скрытого текста может сохранить ошибку. В таком случае имеет смысл рассматривать подходящий способ заново распознать изображение. Условия этого выбора разберём дальше.
Для памятки можно представить два варианта одного PDF.
- A —
pamyatka-bufeta-v1-text.pdf: цифровой экспорт страницы с текстовым слоем. - B —
pamyatka-bufeta-v1-scan.pdf: изображение той же страницы внутри PDF без скрытого текстового слоя.
В предполагаемой паре содержание и расположение элементов одинаковы. Различается способ представления страницы. Для варианта A нужно было бы проверить текстовый слой, для B — знать, что при его подготовке не добавлялось автоматическое распознавание. Если устройство файлов неизвестно, называть их подтверждённой парой «текст — изображение» нельзя.
Это описание возможных материалов, а не готовые файлы для скачивания. Изготавливать их и рассчитывать хеши для прохождения урока необязательно. Можно разобраться в критериях или применить их принцип к своему доступному документу. Проверка собственного PDF будет результатом по этому PDF, а не по памятке буфета.
Получение текста — только один этап работы с документом. Дальше текст может разбиваться на части, для него строятся embeddings — числовые представления для поиска, затем выбираются нужные фрагменты и готовится ответ модели. В обработке файла Open WebUI получение и сохранение текста выделены до последующего использования. Чтобы проверить сохранность исходных сведений, вопрос модели отправлять не требуется.
Теперь мы знаем, почему одинаково выглядящие страницы могут потребовать разных способов извлечения. Следующая задача — проверить, что сохранилось в доступном тексте.
Сверьте весь Indexed text с оригиналом
Если файл уже доступен в вашей коллекции, откройте Workspace → Knowledge → нужный файл → Indexed text. Поставьте рядом исходный PDF. Без файла пока используйте этот раздел как разбор критериев, оставляя фактическую сверку невыполненной.
В Knowledge Preview показывает оригинал, а Indexed text — сохранённый извлечённый текст. Если исходные байты недоступны, кнопка Preview может отсутствовать. Тогда для сравнения нужен отдельно сохранённый оригинал; отсутствие предпросмотра само по себе не означает отсутствия извлечённого текста.
Для чтения достаточно соответствующего доступа к файлу. В проверенной реализации отдельно учитываются владение файлом, административные права и доступ к чтению. Получать роль администратора ради сверки не нужно.
Сначала убедитесь, что сравниваете нужный оригинал: откройте сам файл, проверьте его название, версию и содержание. Затем отдельно оцените, насколько точно его заголовок передан в Indexed text. Если выбранный PDF действительно другой, нужно найти нужный источник. Если PDF правильный, а цифра версии изменилась только в извлечённом тексте, это расхождение с пока неизвестной причиной. Оно могло возникнуть при извлечении или при последующем изменении сохранённого текста.
В таблице ниже — семь смысловых проверок памятки. Это критерии, а не результаты выполненной обработки.
| Часть оригинала | Что должно сохраниться | Расхождение или неопределённость |
|---|---|---|
| Название и версия | «Памятка буфета на встрече. Версия 1.» относится ко всему источнику. | Название или версия пропущены либо изменены. Сначала различаем другой оригинал и неточность только в Indexed text. |
| Заголовки столбцов | Объём относится к одной порции и измеряется в литрах; цена относится к одной порции и выражена в рублях. | Потеряны единицы, слова «одной порции» или понятная связь заголовков с числами. |
| Строка чая | Одна порция чая — 0,25 л; цена одной порции — 35,50 руб. | Объём и цена перепутаны, значения отнесены к воде или изменился десятичный смысл числа. |
| Строка воды | Одна порция воды — 0,50 л; цена одной порции — 20,00 руб. | Значения переместились к чаю, перепутаны столбцы или 0,50 превратилось в 50. |
| Условие получения чая | Своя кружка обязательна именно для чая. | Обязательное условие стало советом, исчезло или распространилось на воду. |
| Условие выдачи воды | Воду выдают в бутылке. | Предложение пропущено или способ выдачи отнесён к чаю. |
| Документ целиком | Сохранились название, заголовки столбцов, обе строки и оба условия; принадлежность сведений понятна. | Пропущена часть памятки, вместо неё появился текст ошибки или остались слова и числа без однозначных связей. |
Исчезновение линий таблицы ещё не означает потери данных. Извлечённый текст может иметь другие переносы и пробелы. Даже запись 0.25 вместо 0,25 допустима, если значение и единица сохранились однозначно.
Проблема возникает, когда перестаёт быть понятно, что означает число. Для цены 35,50 в самом Indexed text должна находиться опора: подпись, понятный порядок элементов, соседство или другой однозначный контекст, связывающий её с чаем и ценой одной порции. Если эту связь удаётся восстановить только потому, что вы помните исходную таблицу, сохранность связи не подтверждена.
Это характерная трудность PDF: визуальное расположение текста не всегда передаёт структуру таблицы и порядок чтения. Поэтому проверяем не только наличие слов, но и то, как их можно связать между собой.
Для каждой выполненной проверки используйте одно из трёх состояний:
- Сохранено: в извлечённом тексте есть однозначная опора для нужного сведения и его связи.
- Есть расхождение: можно указать, что пропущено, изменено или отнесено не к тому объекту.
- Нельзя установить: текст доступен, но по нему не удаётся однозначно восстановить нужное отношение.
Если проверка не проводилась, ставьте «не выполнялось». Это отдельное состояние: отсутствие пробы не говорит о качестве OCR.
Завершение обработки тоже нужно отличать от полезного содержания. Например, адаптеры Mistral и PaddleOCR-vl при некоторых сбоях могут вернуть документ с сообщением об ошибке. Если вместо памятки сохранено такое сообщение, это отказ обработки, а не измерение точности распознавания. Другие обработчики могут сообщать о сбоях иначе.
Пустой текст также не устанавливает причину сам по себе: нужно проверить оригинал и условия обработки. Если же получена сама памятка, но исчезло условие кружки или перепутаны значения, это уже конкретное содержательное расхождение.
Ошибка отображения — ещё одна ситуация. Если просмотрщик не смог получить содержание, предложенный им Retry повторяет получение данных для показа. Он не распознаёт PDF заново. Последствия разных действий сопоставим в последнем разделе.
Для всей работы достаточно одной дополняемой записи. Вносите в неё:
- выбранный оригинал, файл и версию;
- наблюдаемое состояние обработки и доступность просмотра;
- место в оригинале, фактический фрагмент Indexed text и результат проверки отношения;
- известные условия обработки именно этого файла;
- отдельно — подтверждённую текущую конфигурацию установки;
- неизвестные сведения, невыполненные действия и один следующий шаг.
Начните с того, что уже можете установить, и дополняйте эту же запись после дальнейшей пробы. Фактический фрагмент сохраняйте без исправления. Критерии из таблицы не переносите в поле полученного результата.
Неизвестное происхождение текста не мешает сравнить его с оригиналом. Но нынешний выбранный обработчик не доказывает, каким способом был получен старый Indexed text. Можно подтвердить сохранность содержания и при этом оставить способ его получения неизвестным.
В большом документе к такой сверке добавятся порядок абзацев и колонок, знаки, заголовки, сноски, условия и переходы между страницами. Удачная проверка одной страницы не подтверждает остальные. Она также не показывает, как текст разбит для поиска, какой фрагмент будет найден, какую страницу укажет цитата и каким окажется ответ модели.
После этого раздела у вас есть либо наблюдение по доступному файлу, либо подготовленные критерии. В обоих случаях понятно, какие сведения требуется сохранить. Теперь можно выбирать способ извлечения под эту задачу.
Выберите путь извлечения под документ и доступную установку
Выбор начинается с двух вопросов: что требуется получить из документа и какие способы действительно доступны. Если текст уже сохранил смысл, менять обработчик незачем. Если страница состоит из изображения, нужен OCR. Если буквы получены, но разрушена таблица, требуется подходящая обработка структуры. Эти проблемы могут сочетаться: скану таблицы нужны и распознанные буквы, и понятная принадлежность значений.
Названия настроек и поведение ниже разобраны по документации и коду Open WebUI v0.12.4. Версия, язык интерфейса, сборка и подключённые сервисы в вашей установке могут отличаться.
Сначала выясним, какие пути доступны.
Администратор выбирает обработчик в Admin Panel → Settings → Documents → content extraction engine. Этот путь описан в руководстве настройки извлечения. Наличие названия в списке ещё не означает, что сервис подготовлен и может обработать нужный файл.
Обычный пользователь проверяет оригинал, видимое состояние и содержание. Сведения об установке можно взять из доступного описания или уточнить у владельца. Если общие настройки нужно изменить, это делает администратор. Для выбора не требуется пересылать ключи: достаточно знать, что необходимый доступ настроен.
| Что нужно установить перед новой обработкой | На какое решение это влияет |
|---|---|
| Версия и полная либо slim-сборка | Можно ли использовать встроенное извлечение PDF или требуется отдельный сервис. |
| Выбранный обработчик и поддержка точного формата | Подходит ли этот путь для PDF или отдельного изображения. |
| Готовность сервиса, параметры OCR и языка | Может ли выбранное средство выполнить требуемую обработку в этой установке. |
| Получатель документа и возможные дальнейшие получатели | Допустимо ли передавать им содержание файла. |
| Возможные расходы и ресурсы | Можно ли выполнять новую пробу при известных условиях. |
В slim-сборке режим Basic text only не предоставляет полноценного встроенного извлечения PDF: для него нужен подходящий настроенный сервис. Такой сервис может находиться внутри вашей инфраструктуры; слово «внешний» здесь не обязательно означает публичное облако.
Если необходимые условия неизвестны, отложите новую обработку соответствующего файла. Уже доступный Indexed text при наличии права чтения по-прежнему можно сверять.
Теперь выберем направление по содержимому и наблюдению.
| Что находится в оригинале или что обнаружено | Подходящий кандидат при выполненных условиях | Чем проверить результат |
|---|---|---|
| Текстовый PDF, нужные отношения сохранены | Оставить действующий подход: подтверждённого дефекта для смены нет. | Полной сверкой небольшого источника. |
| Изображение страницы без текстового слоя | Применимый встроенный OCR полной сборки либо настроенный OCR-сервис, например Docling или Mistral OCR при их условиях. | Получен полезный текст, сохранены значения, единицы и условия. |
| Скан со скрытым текстом, который расходится с изображением | Подтверждённый путь повторного распознавания изображения; у доступного Docling — уточнить применимость OCR-параметров. | Повторной сверкой того же места и остального документа; исправление заранее не предполагается. |
| Текст есть, но нарушены таблица или порядок чтения | Доступный обработчик с подходящей обработкой структуры, например настроенный Docling. | Значения однозначно относятся к своим строкам, столбцам, единицам и условиям. |
Эта таблица задаёт причины выбора. Она не назначает один сервис всем сканам или всем таблицам.
Если требуется распознавание изображения страницы. В полной сборке Default использует PDFLoader/pypdf для извлечения текстового слоя. Опция PDF Extract Images (OCR) по умолчанию выключена. При её включении RapidOCR обрабатывает встроенные объекты-изображения PDF — image XObjects.
Такой охват важен для выбора: механизм может пропускать нечитаемые изображения и не даёт гарантии для любой структуры скана, языка, макета или таблицы. Он также не обещает заменить ошибочный скрытый текст правильным.
Рядом есть PDF Loader Mode. В режиме Page создаётся отдельный текстовый документ для каждой страницы, в Single страницы соединяются перед дальнейшим разбиением. Это способ формирования документов из страниц, который не возвращает пропущенные буквы и отношения. Для нашей одностраничной памятки отдельная настройка этого режима не нужна.
Другой возможный путь — Mistral OCR, если он выбран и доступ настроен. В исследованной интеграции к нему направляются только PDF. Возможности самого провайдера нельзя автоматически переносить на все форматы загрузки в Open WebUI.
При таком пути содержание передаётся на адрес OCR-сервиса: через загрузку файла и ссылку на него либо непосредственно в кодированном виде base64. Оба способа участвуют в отправке PDF на обработку. Base64 меняет способ передачи, но не делает её локальной. Условия хранения и удаления данных нужно устанавливать по выбранному сервису; из названия настройки они не следуют.
Если нарушена таблица или ошибочен скрытый текст. У уже доступного Docling можно рассмотреть параметры, относящиеся к конкретной проблеме. table_mode задаёт режим обработки таблиц, do_ocr включает распознавание, force_ocr относится к принудительному OCR цифровых PDF, а ocr_engine и ocr_lang — к выбранной OCR-библиотеке и языку.
Docling работает как отдельный сервис. Рецепт его подключения и справочник параметров в документации подготовлены сообществом и не означают поддержку этого рецепта командой Open WebUI. Доступность параметров зависит от версии и конфигурации сервиса; формат обозначения языка — от выбранной OCR-библиотеки.
Поэтому название accurate у режима таблиц ещё не подтверждает точность полученного текста. Для ошибочного скрытого слоя сначала выясните, доступно ли применимое повторное распознавание изображения. Повторное чтение прежних неправильных букв может вернуть те же неправильные буквы. Включать принудительное OCR всем цифровым PDF из этого не следует: результат выбранной обработки всё равно проверяется по оригиналу.
Если вместо PDF загружается отдельный PNG или JPG. Это отдельный путь загрузки. Помимо поддержки формата обработчиком, действует проверка MIME — служебного обозначения типа содержимого файла.
В исследованном коде настройка Supported Media MIME Types имеет разные последствия в зависимости от её фактического состояния на сервере:
- если настройка не задана, эта проверка допускает только
external; - явно заданный пустой список отключает такую маршрутизацию;
- при заданных разрешённых типах нужно совпадение MIME и непустое значение настройки обработчика; затем отдельно проверяется поддержка его адаптера.
Фактическое состояние уточняется по конфигурации установки. Одного внешнего вида пустого поля недостаточно, чтобы различить отсутствие настройки и явно пустой список.
Включение OCR для PDF не превращает Default в обработчик произвольного PNG. Mistral в этой интеграции также остаётся PDF-only. Например, адаптер PaddleOCR-vl поддерживает PDF, PNG, JPG/JPEG, BMP, TIFF и WebP, но для применения нужны готовый сервис, настроенные адрес и токен, а также подходящий MIME-допуск. Перечень расширений не доказывает готовность всей цепочки.
До отправки файла установите получателя и расходы. Это касается не только Mistral: External, а также Tika и Docling обращаются к настроенным HTTP-сервисам. Они могут быть внутренними или удалёнными. Важны и последующие обращения: например, локально размещённый Docling с настроенным удалённым описанием изображений может передавать данные дальше.
Локальный интерфейс Open WebUI или локальная чат-модель не устанавливают местонахождение всей обработки документов. OCR, embeddings и ответ могут оплачиваться отдельно. Например, Mistral описывает тарификацию OCR на 1000 страниц; конкретная стоимость и условия доступа зависят от сервиса и аккаунта. Локальное OCR использует ресурсы хоста и может требовать загрузки моделей. Для нашей пробы достаточно заранее знать допустимые условия, без создания новых ключей и подключения провайдера в ходе урока.
Вернёмся к буфетной памятке. Вот три условных применения выбора, а не результаты испытаний:
- Если текстовый A действительно сверён и все связи сохранены, оставляем используемый путь. Документ уже даёт нужные сведения.
- Если B подтверждённо содержит только изображение, а подходящий встроенный OCR полной сборки готов, выбираем его для ограниченной пробы и затем проверяем всю памятку. Возможность запустить обработку ещё не обещает её качества.
- Если текст получен, но потеряна принадлежность цен напиткам, а подходящий Docling доступен, обосновываем пробу обработки структуры с тем же оригиналом и критериями. Если проблема находится в ошибочном скрытом слое, отдельно уточняем путь повторного распознавания изображения.
Текущий селектор показывает настройку, но не устанавливает происхождение старого текста. Даже новая карточка файла и завершившийся статус не дают универсального доказательства, какой адаптер фактически сработал. Если это неизвестно, можно подтвердить содержание полученного текста, оставив его происхождение неизвестным. Обязательного доступа к серверным журналам для такой сверки не требуется.
Теперь выбор должен иметь причину и критерий проверки: какой путь подходит, какие условия подтверждены и какое отношение в тексте нужно проверить. Если пока не хватает предпосылки, назовите её конкретно — например, для PDF в slim не подготовлен подходящий сервис. Это точнее, чем общий вывод «OCR не работает».
Проверьте выбранный путь на той же памятке
К новой пробе переходим, когда есть небольшой разрешённый несекретный оригинал, право загрузки и подтверждённые условия выбранного пути: подходящий формат, готовая обработка, допустимые получатели и расходы. Сверка существующего Indexed text выполняется без его изменения; новая загрузка — отдельное действие обработки.
Если PDF пока нет, сохраняются подготовленные критерии и условный выбор. Создание файлов не становится обязательной частью урока. Если используете собственный доступный PDF, применяйте критерии его содержания.
Для проверки буфета понадобился бы сам файл памятки. Если у вас имеются оба её варианта, убедитесь, что A содержит проверенный текстовый слой, а B — изображение той же страницы без скрытого текста. Содержание и расположение должны совпадать. При неизвестных свойствах файлов нельзя считать такое сравнение контролируемым.
При выполненных условиях действуйте последовательно:
- Выберите оригинал и зафиксируйте версию. Сохраните его для последующего сравнения. Если это повторная проба, прежние наблюдения тоже должны остаться доступны.
- Выберите один подтверждённо применимый путь. Используйте решение из предыдущего раздела. Изменение общей конфигурации, если оно требуется, выполняется администратором.
- Загрузите исходный файл отдельно как новый файл в разрешённое личное место. Создание первой коллекции мы уже прошли в предыдущем уроке.
- Установите состояние обработки. Дождитесь понятного завершения или сохраните фактическую ошибку. Продолжающаяся обработка и неизвестное состояние ещё не дают результата для сверки.
- Откройте Indexed text и сравните весь источник. Для буфета примените все семь проверок. В существующую запись добавьте фактические фрагменты, сохранённые отношения, расхождения и неопределённости.
- При наличии подтверждённого варианта B и готового OCR проверьте его отдельно. Используйте те же критерии, сохраняя результаты A и B раздельно внутри своей записи.
Новая загрузка исходного файла отличается от повторного добавления в коллекцию уже обработанного объекта. При добавлении такого объекта Open WebUI может использовать сохранённые фрагменты или сохранённый текст. Поэтому появление файла в другой коллекции само по себе не подтверждает, что новый обработчик заново прочитал PDF.
Если попытка отклонена как дубликат, сохраните это наблюдение и остановите её. Рабочие данные удалять, а содержание памятки изменять ради обхода ограничения не нужно. Дальнейший способ отдельной обработки можно уточнить у администратора.
Дополняйте ту же запись, которую начали при смысловой сверке. В ней должны различаться три вещи: что видно в оригинале и Indexed text; что подтверждено о текущей конфигурации; что известно о способе обработки конкретного файла. Если последнее неизвестно, результат остаётся проверкой содержания без оценки определённого движка.
Для оценки изменения обработчика сохраняйте тот же оригинал и те же критерии. Если одновременно заменить текстовый A на изображение B и выбрать другой engine, различие результатов нельзя объяснить только сменой обработчика или только устройством PDF. Это будут наблюдения по двум сочетаниям условий.
Вопрос модели для этой проверки не нужен. Он добавит ещё один результат, который пришлось бы оценивать отдельно. Сейчас достаточно установить, сохранилась ли памятка в полученном тексте. Если обработка вернула сообщение об ошибке, фиксируем отказ; если текст открыт, но отношение неоднозначно, отмечаем неопределённость; если шаг не выполнялся, так и записываем.
После доступной пробы можно выбрать дальнейшее действие по наблюдению. Само прохождение инструкции не обязывает менять настройки ещё раз.
Выберите следующее действие по результату проверки
Начните с того, что именно произошло. Не удалось открыть содержание, открылся другой оригинал, вместо памятки показано сообщение об ошибке и получен текст с перепутанными значениями — разные ситуации. Соответствующее действие должно устранять установленную проблему.
| Действие | Что оно меняет | Что важно для нашей проверки |
|---|---|---|
| Retry внутри просмотрщика | Повторно получает Preview или Indexed text для отображения. | Помогает повторить загрузку содержимого в просмотрщик; OCR и создание embeddings заново не запускает. |
| Edit → Save | Обрабатывает предоставленный пользователем текст и обновляет коллекции Knowledge, содержащие этот файл. | Нужны права записи; исходный PDF остаётся прежним; обновление может завершиться частично. Ручная правка не доказывает качество OCR. |
| Reindex Knowledge and Memory Vectors | Перестраивает векторы по сохранённому тексту. | Строку, потерянную при извлечении из оригинала, такая операция не возвращает. |
| Новое извлечение оригинала | Подходящий обработчик заново читает исходный файл. | Требуется отдельная обработка при известных условиях и последующая сверка; добавление старого обработанного объекта её не подтверждает. |
Поведение Retry просмотрщика, сохранения изменённого Indexed text и переиндексации из сохранённого содержания закреплено разными механизмами. Изменение выбранного обработчика тоже не переписывает задним числом ранее сохранённый текст.
Если просмотр не загрузился, сохраните сообщение и проверьте доступ. Retry уместен для повторного получения содержимого. Если же текст уже виден, но неполон, повтор отображения не восстанавливает потерянные сведения.
Если отличается сам оригинал, сначала найдите нужный файл и версию. Если оригинал правильный, но его название или версия изменены только в Indexed text, запишите расхождение без назначения причины. Извлечение и позднее изменение текста требуют разного объяснения.
Если вместо памятки получен документ ошибки, сохраните точное сообщение и выясните причину отказа применимого пути. Менять OCR по такому сообщению как по доказательству низкой точности преждевременно. При пустом тексте также сначала сопоставьте исходник и условия обработки: одна пустота причину не показывает.
Если памятка получена, но нарушены её отношения, используйте уже записанное расхождение. По матрице выбора определите подходящий кандидат и согласуйте одну ограниченную новую пробу. Когда необходимых условий ещё нет, остановите эту ветвь с конкретной пометкой о недостающей предпосылке. Читать и сверять уже доступный текст при этом можно.
Сохранение через Edit → Save здесь объясняет последствия операции, а не предлагает править общий файл ради совпадения с критериями. Изменения могут затронуть все связанные коллекции. При частичной ошибке нельзя считать обновление полностью успешным. Для диагностической сверки оставьте сохранённый текст без редактирования; Reset, массовое удаление и случайный перебор режимов для неё не требуются.
Когда все отношения сохранены, извлечение дало проверенное содержание этого документа. Один неудачный ответ модели не становится основанием автоматически менять обработчик: нужно отдельно выяснить, что было найдено, передано и использовано в ответе.
Вернёмся к сообщению участникам. Если вы действительно сверили всю буфетную памятку, её сохранённый текст можно использовать как источник сведений о двух напитках, объёме и цене одной порции, собственной кружке для чая и бутылке для воды. Само будущее сообщение ещё предстоит проверить — сохранность источника не подтверждает правильность его пересказа.
У этой работы возможны три честных исхода:
- Содержание конкретного файла проверено. Нужные отношения читаются в самом Indexed text. Если способ его получения неизвестен, это ограничение остаётся в записи.
- Найдено расхождение или смысл не удалось подтвердить. Сохранены фактический фрагмент и один обоснованный следующий шаг.
- Проба не выполнена. Подготовлены критерии и условный путь либо названа недостающая предпосылка. Пригодность ещё не полученного текста не установлена.
Проверка другого собственного PDF относится к нему, а успешная проба небольшой памятки не измеряет общую точность OCR, качество поиска, цитат или ответов по другим документам.
Сохраните оригинал и одну дополняемую запись. При подтверждённом содержании можно продолжать исходную задачу и переходить к следующему уроку об embeddings. При расхождении у вас уже есть конкретный предмет дальнейшей проверки; при невыполненной пробе — критерии, к которым можно вернуться, когда появятся файл и необходимые условия.
