Wie man OpenAI für PDF in C#35; mit IronPDF verwendet

Wie fasse ich PDFs mit OpenAI zusammen?

Um OpenAI-Funktionen zu nutzen, konfigurieren Sie den Semantic Kernel mit Ihrem Azure-Endpunkt und API-Schlüssel. Importieren Sie das PDF-Dokument und verwenden Sie die Methode Summarize, um Zusammenfassungen zu erstellen.

Die Zusammenfassungsfunktion funktioniert mit verschiedenen PDF-Typen:

• Gescannte Dokumente (in Kombination mit OCR)
• Komplexe Layouts mit mehreren Spalten
• Dokumente, die Bilder und Tabellen enthalten

IronPDF extrahiert Textinhalte und verarbeitet sie mit dem KI-Modell. Für andere Formate siehe Konvertierung von DOCX in PDF oder Konvertierung von Markdown in PDF.

[{i:( Hinweis: Es können SKEXP0001, SKEXP0010 und SKEXP0050 Fehler auftreten, da die Methoden des Semantic Kernel experimentell sind. Fügen Sie dies zu Ihrer .csproj-Datei hinzu, um sie zu unterdrücken:

<Project Sdk="Microsoft.NET.Sdk">
  <PropertyGroup>
    <NoWarn>$(NoWarn);SKEXP0001,SKEXP0010,SKEXP0050</NoWarn>
  </PropertyGroup>
</Project>

<Project Sdk="Microsoft.NET.Sdk">
  <PropertyGroup>
    <NoWarn>$(NoWarn);SKEXP0001,SKEXP0010,SKEXP0050</NoWarn>
  </PropertyGroup>
</Project>

@@--KLAMMER-SCHLIESSEN--@@

Hier erfahren Sie, wie Sie eine PDF-Datei mit Semantic Kernel in C# zusammenfassen:

:path=/static-assets/pdf/content-code-examples/how-to/openai-summarize.cs

using IronPdf;
using IronPdf.AI;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using Microsoft.SemanticKernel.Memory;
using System;
using System.Threading.Tasks;

// Setup OpenAI
var azureEndpoint = "<<enter your azure endpoint here>>";
var apiKey = "<<enter your azure API key here>>";
var builder = Kernel.CreateBuilder()
    .AddAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .AddAzureOpenAIChatCompletion("oaichat", azureEndpoint, apiKey);
var kernel = builder.Build();

// Setup Memory
var memory_builder = new MemoryBuilder()
    // optionally use new ChromaMemoryStore("http://127.0.0.1:8000") (see https://github.com/microsoft/semantic-kernel/blob/main/dotnet/notebooks/09-memory-with-chroma.ipynb)
    .WithMemoryStore(new VolatileMemoryStore())
    .WithAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey);
var memory = memory_builder.Build();

// Initialize IronAI
IronDocumentAI.Initialize(kernel, memory);

License.LicenseKey = "<<enter your IronPdf license key here";

// Import PDF document
PdfDocument pdf = PdfDocument.FromFile("wikipedia.pdf");

// Summarize the document
Console.WriteLine("Please wait while I summarize the document...");
string summary = await pdf.Summarize(); // optionally pass AI instance or use AI instance directly
Console.WriteLine($"Document summary: {summary}\n\n");

Der Code initialisiert sowohl den Semantic Kernel als auch den Memory Store. Memory-Speicher halten den Kontext bei kontinuierlichen Abfragen aufrecht. Wählen Sie aus:

• VolatileMemoryStore: In-Memory-Speicher für Entwicklung und Tests
• ChromaMemoryStore: Persistente Vektordatenbank für die Produktion
• Andere Speicher: Azure Cognitive Search, Qdrant, und mehr

Für die Produktion sind eine Fehlerbehandlung und eine angepasste Protokollierung zu implementieren, um KI-Vorgänge zu verfolgen. Entdecken Sie async und multithreading für die gleichzeitige Verarbeitung mehrerer Dokumente.

Wie sieht die zusammenfassende Ausgabe aus?

Die Zusammenfassung bietet einen prägnanten Überblick über das Dokument, wobei die wichtigsten Themen, wichtige Fakten und relevante Details herausgearbeitet werden. Das KI-Modell identifiziert und priorisiert wichtige Inhalte und ermöglicht so ein schnelles Verständnis von langen Dokumenten.

Wie kann ich PDFs fortlaufend abfragen?

Einzelne Abfragen sind nicht für alle Szenarien geeignet. Das IronPdf.Extensions.AI Paket bietet eine Query Methode für kontinuierliche Abfragen. Erstellen Sie Konversationsschnittstellen, Recherchetools oder Anwendungen zur Dokumentenanalyse, bei denen Benutzer mehrere Fragen zum selben Dokument stellen.

Durch kontinuierliche Abfragen wird der Kontext der Konversation aufrechterhalten, um Folgefragen und Klarstellungen zu ermöglichen. Ideal für:

• Kundensupportsysteme, die auf die Dokumentation verweisen
• Analyse von Rechtsdokumenten, die die Auslegung von Klauseln erfordern
• Bildungsanwendungen für das Studium komplexer Materialien
• Recherchetools zum Extrahieren spezifischer Informationen

Für eine bessere Verarbeitung sollten Sie in Erwägung ziehen, Text und Bilder getrennt zu extrahieren oder PDF-Kompression zu implementieren, um große Dokumente vor der KI-Verarbeitung zu optimieren.

:path=/static-assets/pdf/content-code-examples/how-to/openai-summarize.cs

using IronPdf;
using IronPdf.AI;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using Microsoft.SemanticKernel.Memory;
using System;
using System.Threading.Tasks;

// Setup OpenAI
var azureEndpoint = "<<enter your azure endpoint here>>";
var apiKey = "<<enter your azure API key here>>";
var builder = Kernel.CreateBuilder()
    .AddAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey)
    .AddAzureOpenAIChatCompletion("oaichat", azureEndpoint, apiKey);
var kernel = builder.Build();

// Setup Memory
var memory_builder = new MemoryBuilder()
    // optionally use new ChromaMemoryStore("http://127.0.0.1:8000") (see https://github.com/microsoft/semantic-kernel/blob/main/dotnet/notebooks/09-memory-with-chroma.ipynb)
    .WithMemoryStore(new VolatileMemoryStore())
    .WithAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey);
var memory = memory_builder.Build();

// Initialize IronAI
IronDocumentAI.Initialize(kernel, memory);

License.LicenseKey = "<<enter your IronPdf license key here";

// Import PDF document
PdfDocument pdf = PdfDocument.FromFile("wikipedia.pdf");

// Summarize the document
Console.WriteLine("Please wait while I summarize the document...");
string summary = await pdf.Summarize(); // optionally pass AI instance or use AI instance directly
Console.WriteLine($"Document summary: {summary}\n\n");

Das kontinuierliche Abfragesystem verwendet Einbettungen, um die Semantik der Fragen zu verstehen und genaue, kontextbezogene Antworten zu geben. Jede Abfrage wird mit dem Inhalt des Dokuments abgeglichen, wobei die künstliche Intelligenz die Konversationshistorie für zunehmend relevante Antworten aufrechterhält.

Für eine optimale Leistung bei großen Dokumenten oder gleichzeitigen Nutzern sollten Sie Caching-Strategien implementieren und die Leistungsoptimierungstechniken von IronPDF kennenlernen. Berücksichtigen Sie eine Ratenbegrenzung und ein angemessenes Lizenzschlüsselmanagement für die Produktionsbereitstellung.

Beim Umgang mit sensiblen Dokumenten sind geeignete Sicherheitsmaßnahmen zu treffen. IronPDF bietet verschiedene Sicherheits- und Verschlüsselungsoptionen, um PDFs vor und nach der KI-Verarbeitung zu schützen.