Criar PDF em ASP.NET: iTextSharp vs IronPDF

O Problema Empresarial

Um agente de suporte precisa de uma resposta enterrada na documentação do produto. Um analista quer os principais números de um relatório de 60 páginas. Um revisor legal precisa verificar uma cláusula específica em contratos longos. Ler cada documento de ponta a ponta não é escalável. O objetivo é resumir na entrada e permitir que as pessoas façam perguntas em linguagem simples.

A solução

O pacote IronPdf.Extensions.AI adiciona Summarize para resumos rápidos e Query para questionamentos contínuos e sensíveis ao contexto. Após configurar o Semantic Kernel com um endpoint Azure e uma loja de memória, resumir um documento requer uma chamada.

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();

Imports IronPdf
Imports IronPdf.AI
Imports Microsoft.SemanticKernel
Imports Microsoft.SemanticKernel.Memory

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

Dim memory = New MemoryBuilder() _
    .WithMemoryStore(New VolatileMemoryStore()) _
    .WithAzureOpenAITextEmbeddingGeneration("oaiembed", azureEndpoint, apiKey) _
    .Build()

IronDocumentAI.Initialize(kernel, memory)

Dim pdf As PdfDocument = PdfDocument.FromFile("report.pdf")
Dim summary As String = Await pdf.Summarize()

O método Query mantém o contexto da conversa em perguntas de acompanhamento, que é a base para um chatbot de documentos, uma base de conhecimento interna ou uma ferramenta de pesquisa. Emparelhado com OCR, a sumarização também funciona em documentos digitalizados, layouts complexos de várias colunas e arquivos com imagens e tabelas.

Pontos para Planejar

Essa funcionalidade exige mais configuração do que os guias de conversão, então alguns pré-requisitos são importantes:

• Três pacotes: IronPdf, IronPdf.Extensions.AI e Microsoft.SemanticKernel.Plugins.Memory. O plugin de memória alimenta o questionamento contínuo.
• Backend Azure OpenAI: O caminho documentado requer uma assinatura Azure com acesso ao Azure OpenAI Service, configurada com um endpoint e chave.
• Manuseio de dados: A extensão extrai o texto do documento e envia para o endpoint Azure OpenAI, portanto, conteúdo confidencial sai do ambiente local. Leve isso em consideração em fluxos de trabalho regulados.
• Armazenamento de memória por ambiente: VolatileMemoryStore é adequado para desenvolvimento, enquanto Chroma, Azure Cognitive Search ou Qdrant são adequados para persistência em produção.
• APIs experimentais: Semantic Kernel levanta avisos de compilação SKEXP, suprimidos com uma entrada NoWarn no csproj.

Resultado

Com uma pequena quantidade de configuração, as equipes adicionam resumos automatizados e uma interface de chat com o documento a um aplicativo .NET, transformando PDFs densos em algo que a equipe e os usuários podem consultar em segundos. Os detalhes completos da configuração estão no guia OpenAI para PDF.