Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

An API Ceisteanna agus Freagraí do Dhoiciméid

Ceacht 13 as 16 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Doiciméid a chur faoi cheist i ngnáththeanga
  2. Pointe deiridh difriúil ó OCR
  3. Trí bhealach chun an doiciméad a sheoladh
  4. Cén sampla comhrá do cén cheist
  5. Ceisteanna a shlabhrú
  6. Cad nach ndéanfaidh Ceisteanna agus Freagraí duitse
  7. Príomhphointí

An ceacht nuashonraithe an 3 Samhain, 2026. Forlíonadh an 3 Samhain, 2026: Chun PDF áitiúil a sheoladh, tarchuir é mar base64 sa fhormáid {"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Níl an cineál document_base64 a fheictear i samplaí níos sine le fáil sa doiciméadú ná san SDK mistralai, agus theipfeadh ar na samplaí sin. Foinse: OCR Processor · Document QnA.

Doiciméid a chur faoi cheist i ngnáththeanga

Cuireann an ghné Ceisteanna agus Freagraí do Dhoiciméid (Document QnA) OCR le LLM ó Mistral, rud a ligeann duit ceisteanna a chur go díreach faoi ábhar do dhoiciméad. In ionat cúigí leathanach a scanadh chun clásal nó figiúr ar leith a aimsiú, ní dhéanann tú ach an cheist a chur agus an freagra a léamh. Go hinmheánach, ritheann an tseirbhís dhá chéim: baineann OCR an téacs, an struchtúr agus an fhormáidiú amach, agus ansin déanann sampla comhrá Mistral anailís ar an ábhar a eastósctar chun freagra a ghiniúint. Tá an comhcheangal seo trédhearcach duitse – déanann glaonna API amháin gach rud.

Pointe deiridh difriúil ó OCR

Seo an chuid a chuireann bac ar dhaoine go minic ar an gcéad iarracht. Úsáideann OCR íon client.ocr.process, ach úsáideann Ceisteanna agus Freagraí an pointe deiridh Caighdeánach Comhrá client.chat.complete, le teachtaireacht ina bhfuil bloc téacs agus bloc document_url. Le focal eile, bíonn an doiciméad mar iatán ar do cheist, díreach cosúil le híomhá i malartú ilmhóideach.

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Ceist faoi dhoiciméad poiblí
response = client.chat.complete(
    model="mistral-small-latest",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "What is the total revenue mentioned?"
                },
                {
                    "type": "document_url",
                    "document_url": "https://example.com/annual-report.pdf"
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

Trí bhealach chun an doiciméad a sheoladh

Is é URL poiblí an bealach is díreach, oiriúnach do dhoiciméid atá inrochtana cheana féin ar líne – mar shampla foilseachán eolaíoch, tuarascáil institiúide, nó PDF óstáilte ar do shuíomh gréasáin.

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Summarize the main points."},
            {
                "type": "document_url",
                "document_url": "https://arxiv.org/pdf/1805.04770"
            }
        ]
    }
]

response = client.chat.complete(
    model="mistral-small-latest",
    messages=messages
)

Seoltar comhaid áitiúla, ar an láimh eile, mar base64. Seo an mód réamhshocraithe aon uair a bhíonn doiciméad rúnda nó stóráilte taobh thiar de do bhalla tine; ní gá aon rud a fhoilsiú ar an ngréasán chun ceisteanna a chur air.

import base64

with open("contract.pdf", "rb") as f:
    doc_base64 = base64.b64encode(f.read()).decode("utf-8")

messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": "What are the termination clauses?"
            },
            {
                "type": "document_url",
                "document_url": f"data:application/pdf;base64,{doc_base64}"
            }
        ]
    }
]

response = client.chat.complete(
    model="mistral-small-latest",
    messages=messages
)

Ar deireadh, tá an tríú rogha ann do chomhaid a uaslódáladh cheana féin trí API na gComhad: uaslódálann tú uair amháin le purpose="ocr", agus ansin tagraíonn tú don ID a thagann as sin chomh minic agus is gá. I gcás doiciméid a phleanálann tú a chur faoi cheist uaireanta iomadúla, seachnaíonn sé seo ath-uaslódú roinnt megabheart le gach ceist.

uploaded = client.files.upload(
    file=open("report.pdf", "rb"),
    purpose="ocr"
)

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "What is the planned budget?"},
            {"type": "file_id", "file_id": uploaded.id}
        ]
    }
]

response = client.chat.complete(
    model="mistral-small-latest",
    messages=messages
)

Cén sampla comhrá do cén cheist

Tá an paraiméadar model faoi do smacht, agus bíonn tionchar aige ar cháilíocht na freagra agus ar an gcostas araon.

MúnlaPróifílCathain é a roghnú
mistral-small-latestTapa agus eacnamaíochLeordhóthanach don chuid is mó de na ceisteanna
mistral-medium-latestComhréir mhaithMeánluais agus cruinnis
mistral-large-latestNíos cruinneAnailís agus réasúnaíocht chasta

Braitheann do rogha ar chastacht do chuid ceisteanna agus ar do bhuiséad: ní éilíonn méid a bhaint as sonrasc an múnla céanna le comparáid a dhéanamh idir réimeanna dliteanais i dhá chonradh.

Ceisteanna a shlabhrú

Ní gá duit gach rud a chur faoi cheist ag an am céanna. Seolann tú an doiciméad sa chéad teachtaireacht, cuireann tú freagra an mhúnla leis an stair, agus ansin cuireann tú do chéad cheist eile mar théacs amháin: fanann comhthéacs an doiciméid sa chomhrá. Seo an bealach nádúrtha chun tuarascáil a iniúchadh – tosaigh le hachoimre, agus ansin dul níos doimhne isteach sa phointe a bhfuil suim agat ann.

history = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Summarize this document in 3 points."},
            {
                "type": "document_url",
                "document_url": "https://example.com/report.pdf"
            }
        ]
    }
]

# An chéad ghlao
response = client.chat.complete(
    model="mistral-small-latest",
    messages=history
)

# An freagra a chur leis an stair
history.append({
    "role": "assistant",
    "content": response.choices[0].message.content
})

# An chéad cheist eile
history.append({
    "role": "user",
    "content": "Detail the second point."
})

response = client.chat.complete(
    model="mistral-small-latest",
    messages=history
)

print(response.choices[0].message.content)

Cad nach ndéanfaidh Ceisteanna agus Freagraí duitse

Tá ceithre theorainn ar fiú a bheith ar an eolas fúthu sula dtógann tú seirbhís ar bharr na gné seo. Ar an gcéad dul síos, méid: 50 MB in aghaidh an chomhaid agus uasmhéid 1,000 leathanach, rud a chuireann cartlanna móra as an áireamh gan iad a scoilt roimh ré. Ar an dara dul síos, costas, ós rud é go n-itheann doiciméid fhada go leor token ionchurtha le gach ceist a chuirtear. Ar an tríú dul síos, ciallaíonn an easpa cuimhne leanúnaigh go gcaithfidh tú an stair a athchruthú tú féin; tá gach glaonna neamhspleách lasmuigh de chomhrá ilchasta. Is é an pointe is deacra ná an ceann deireanach: déanann an LLM léirmhíniú chomh maith le heastóscadh, rud a d’fhéadfadh earráidí a thabhairt isteach i bhfigiúirí cruinne. I gcás méid atá le dul isteach sa chuntasaíocht, is fearr anótáil struchtúraithe a úsáid; coinnigh Ceisteanna agus Freagraí don tuiscint agus don tsintéis.

Príomhphointí

  • Úsáideann Ceisteanna agus Freagraí do Dhoiciméid an pointe deiridh Comhrá le hábhar document_url: URL poiblí nó PDF ionchódaithe base64 mar URL sonraí
  • Is é an sreabhadh oibre inmheánach ná OCR agus ansin LLM, ach ní theastaíonn ach glaonna amháin
  • Trí mhodh seolta: URL, base64, comhad uaslódáilte
  • Cuireann comhráite ilchasta anailís dhomhain ar chumas
  • Roghnaigh do shampla comhrá bunaithe ar chastacht do chuid ceisteanna