راهنما
افزودن اسناد
هر گفت‌وگو اسناد خودش را دارد. اسناد را در پنل «اسناد» اضافه می‌کنید، مشخص می‌کنید پاسخ‌ها از کدام‌ها استفاده کنند و می‌توانید فایلی را که در گفت‌وگوی دیگری ایندکس شده، به این گفت‌وگو بیاورید.
بارگذاری
- فایل‌ها را بکشید و رها کنید یا انتخاب کنید. برای هر فایل سه مرحله نمایش داده می‌شود: «انتقال فایل»، «استخراج و ایندکس» و «آمادهٔ پرسش»؛ بعد هم تعداد بخش‌های ایندکس‌شده.
- ظرفیت پیش‌فرض: ۱۰ فایل در هر گفت‌وگو، هر فایل تا ۱۰۰ مبی‌بایت و هر بارگذاری تا ۵۰۰ مبی‌بایت. رابط، محدودیت‌های واقعی را از خود سرویس می‌گیرد و می‌توانید آن‌ها را در «تنظیمات ← اسناد و سرعت» تغییر دهید.
- بارگذاری گروهی یا کامل انجام می‌شود یا اصلاً انجام نمی‌شود. اگر یکی از فایل‌ها خطا بدهد، هیچ‌چیز از آن درخواست نیمه‌ایندکس‌شده باقی نمی‌ماند.
فایل‌های پشتیبانی‌شده
| نوع | پسوندها | شیوهٔ خواندن |
|---|---|---|
| اسناد | .pdf .docx .pptx | استخراج ساختاریافتهٔ متن؛ OCR برای صفحه‌های اسکن‌شده یا پرتصویر PDF و تصویرهای جاسازی‌شده |
| تصویرها | .png .jpg .jpeg .webp .bmp .tif .tiff | اعتبارسنجی و خواندن با OCR |
| متن و داده | .txt .md .markdown .json .csv .tsv .log | کدگذاری UTF-8، UTF-16 با BOM، Windows-1256 (فارسی) یا Windows-1252؛ فایل JSON اعتبارسنجی می‌شود |
| نشانه‌گذاری و پیکربندی | .html .htm .xml .yaml .yml .toml .ini .cfg | متن قابل‌مشاهده از فایل‌های نشانه‌گذاری؛ متن ساده از فایل‌های پیکربندی |
| کد منبع | .py .js .jsx .ts .tsx .css .sql | متن همراه با فرادادهٔ قسمت‌ها |
بررسی‌های پیش از خواندن
- نام فایل باید یک نام سادهٔ حداکثر ۲۵۵ نویسه‌ای و بدون مسیر باشد.
- فایل PDF باید واقعاً PDF باشد و فایل Word یا PowerPoint یک آرشیو واقعی Office. اگر فایلی رمز داشته باشد، پیام خطا همین را می‌گوید.
- سقف آرشیوهای Office: ۱۰٬۰۰۰ ورودی، ۲۰۰ مبی‌بایت حجم بازشده و نسبت فشرده‌سازی ۲۰۰ برای هر ورودی.
- اگر محتوای فایلی با سندی که در گفت‌وگو هست یکی باشد، شناسایی می‌شود و دو بار اضافه نمی‌شود.
وقتی فقط بخشی از فایل خوانده می‌شود
| اعلان | معنا |
|---|---|
| سقف OCR | فقط صفحه‌های اسکن‌شدهٔ ابتدای فایل خوانده شد (سقف پیش‌فرض ۳۰ صفحه است). |
| سقف تصویر OCR | بعضی از تصویرهای درون فایل Word یا PowerPoint خوانده نشد (سقف پیش‌فرض ۲۰۰ تصویر است). |
| خوانش ناقص OCR | بعضی از صفحه‌ها یا تصویرها با OCR خوانده نشد. |
| در دسترس نبودن OCR | ابزار Tesseract نصب نیست، ولی صفحه‌های متنی ایندکس شدند. |
مدیریت اسناد
- گزینهٔ «استفاده در پاسخ»: هر سند را علامت بزنید یا علامتش را بردارید. برداشتن علامت همهٔ اسناد هم ممکن است.
- بخش «از گفت‌وگوهای قبلی»: سندی را که قبلاً ایندکس شده، بدون بارگذاری دوباره اضافه کنید. وقتی کپی تمام شد، این نسخه از نسخهٔ اصلی مستقل است.
- حذف سند با تأیید دومرحله‌ای انجام می‌شود و بخش‌ها و تصویرهای نگه‌داشته‌شدهٔ آن از ایندکس پاک می‌شوند.
اسنادی که با نسخهٔ 1.0.0 ایندکس شده‌اند همچنان کار می‌کنند. فایل‌های Word و PowerPoint را دوباره بارگذاری کنید تا ارجاع به تصویر و جدول، نمایش تصویر کنار منبع، خواندن تصویرهای بعد از سی‌امین و OCR بهتر اسکرین‌شات‌ها را داشته باشید.