文档提取器
Last updated
Last updated
LLM 自身无法直接读取或解释文档的内容。因此需要将用户上传的文档，通过文档提取器节点解析并读取文档文件中的信息，转化文本之后再将内容传给 LLM 以实现对于文件内容的处理。
构建能够与文件进行互动的 LLM 应用，例如 ChatPDF 或 ChatWord；
分析并检查用户上传的文件内容；
文档提取器节点可以理解为一个信息处理中心，通过识别并读取输入变量中的文件，提取信息后并转化为 string 类型输出变量，供下游节点调用。
文档提取器节点结构分为输入变量、输出变量。
文档提取器仅接受以下数据结构的变量：
File，单独一个文件
Array[File]，多个文件
文档提取器仅能够提取文档类型文件中的信息，例如 TXT、Markdown、PDF、HTML、DOCX 格式文件的内容，无法处理图片、音频、视频等格式文件。
输出变量固定命名为 text。输出的变量类型取决于输入变量：
输入变量为 File，输出变量为 string
输入变量为 Array[File]，输出变量为 array[string]
Array 数组变量一般需配合列表操作节点使用，详细说明请参考 列表操作。
在一个典型的文件交互问答场景中，文档提取器可以作为 LLM 节点的前置步骤，提取应用的文件信息并传递至下游的 LLM 节点，回答用户关于文件的问题。
本章节将通过一个典型的 ChatPDF 示例工作流模板，介绍文档提取器节点的使用方法。
配置流程：
为应用开启文件上传功能。在 “开始” 节点中添加单文件变量并命名为 pdf。
添加文档提取节点，并在输入变量内选中 pdf 变量。
添加 LLM 节点，在系统提示词内选中文档提取器节点的输出变量。LLM 可以通过该输出变量读取文件中的内容。
4. 配置结束节点，在结束节点中选择 LLM 节点的输出变量。
配置完成后，应用将具备文件上传功能，使用者可以上传 PDF 文件并展开对话。
如需了解如何在聊天对话中上传文件并与 LLM 互动，请参考 附加功能。
