Organisationen, die große Mengen an PDFs, Berichten, Verträgen, Fallakten, Handbüchern verarbeiten, verbringen beträchtliche Zeit damit, Dokumente zu lesen, um das Wichtige zu finden. Zwei KI-Funktionen ändern diese Arbeitslast: Eine Einmal-Zusammenfassung, die es ermöglicht, ein Dokument ohne Lesen zu sichten, und eine Konversationsabfrage, die Fragen in natürlicher Sprache zu ihrem Inhalt beantwortet. IronPDF fügt beides zu einer .NET-Anwendung durch seine KI-Erweiterung hinzu, die auf Microsoft Semantic Kernel basiert und von Azure OpenAI unterstützt wird.

Das geschäftliche Problem

Ein Support-Mitarbeiter benötigt eine Antwort, die in der Produktdokumentation vergraben ist. Ein Analyst möchte die Hauptzahlen aus einem 60-seitigen Bericht. Ein rechtlicher Prüfer muss eine bestimmte Klausel in langen Verträgen überprüfen. Jedes Dokument von Anfang bis Ende zu lesen, skaliert nicht. Das Ziel ist es, beim Eingang zusammenzufassen und den Leuten zu erlauben, Fragen in einfacher Sprache zu stellen.

Die Lösung

Das IronPdf.Extensions.AI-Paket fügt schnelle Zusammenfassungen durch Summarize und kontinuierliche, kontextbezogene Abfragen durch Query hinzu. Nach der Konfiguration des Semantic Kernel mit einem Azure-Endpunkt und einem Speicher ist eine Zusammenfassung eines Dokuments mit einem einzigen Aufruf möglich.

using IronPdf;
using IronPdf.AI;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Memory;

var builder = Kernel.CreateBuilder()
    .AddAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .AddAzureOpenAIChatCompletion("oaichat", azureEndpoint, apiKey);
var kernel = builder.Build();

var memory = new MemoryBuilder()
    .WithMemoryStore(new VolatileMemoryStore())
    .WithAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .Build();

IronDocumentAI.Initialize(kernel, memory);

PdfDocument pdf = PdfDocument.FromFile("report.pdf");
string summary = await pdf.Summarize();

using IronPdf;
using IronPdf.AI;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Memory;

var builder = Kernel.CreateBuilder()
    .AddAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .AddAzureOpenAIChatCompletion("oaichat", azureEndpoint, apiKey);
var kernel = builder.Build();

var memory = new MemoryBuilder()
    .WithMemoryStore(new VolatileMemoryStore())
    .WithAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .Build();

IronDocumentAI.Initialize(kernel, memory);

PdfDocument pdf = PdfDocument.FromFile("report.pdf");
string summary = await pdf.Summarize();

Die Methode Query hält den Gesprächskontext über Nachfolgefragen hinweg, was die Grundlage für einen Dokument-Chatbot, eine interne Wissensdatenbank oder ein Recherche-Tool bildet. In Kombination mit OCR funktioniert die Zusammenfassung auch bei gescannten Dokumenten, komplexen Mehrspaltenlayout und Dateien mit Bildern und Tabellen.

Punkte, die zu planen sind

Dieses Feature erfordert mehr Einrichtung als die Konvertierungsanleitungen, daher sind einige Voraussetzungen wichtig:

• Drei Pakete: IronPdf, IronPdf.Extensions.AI und Microsoft.SemanticKernel.Plugins.Memory. Das Speicher-Plugin ermöglicht kontinuierliches Abfragen.
• Azure OpenAI Backend: Der dokumentierte Pfad erfordert ein Azure-Abonnement mit Zugriff auf den Azure OpenAI-Dienst, konfiguriert mit einem Endpunkt und Schlüssel.
• Datenverarbeitung: Die Erweiterung extrahiert den Dokumententext und sendet ihn an den Azure OpenAI-Endpunkt, sodass vertrauliche Inhalte die lokale Umgebung verlassen. Berücksichtigen Sie dies in regulierten Workflows.
• Speicher je nach Umgebung: VolatileMemoryStore eignet sich für die Entwicklung, während Chroma, Azure Cognitive Search oder Qdrant für die Produktionspersistenz geeignet sind.
• Experimentelle APIs: Der Semantic Kernel führt zu SKEXP-Bauwarnungen, die mit einem NoWarn-Eintrag im csproj unterdrückt werden.

Ergebnis

Mit geringem Einrichtungsaufwand können Teams automatisierte Zusammenfassungen und eine Chat-mit-ihr-Dokument-Schnittstelle zu einer .NET-App hinzufügen und dichte PDFs in etwas verwandeln, das Mitarbeiter und Benutzer in Sekunden abfragen können. Volle Konfigurationsdetails finden Sie im OpenAI für PDF Leitfaden.