Agent Skills
返回列表
📚

文档智能对话

知识管理 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/qodex-ai-ai-agent-skills-document-chat-interface。

技能介绍

要解决什么问题

团队手里常见的是「能看不能问」的文档:研报 PDF、邮件归档、内部 Wiki、合同与代码仓库。人工翻页或关键词搜索,很难在多轮对话里把指代(「上一段说的那个指标」)和跨章节上下文串起来。本技能面向的是:把静态资料做成可追问、可引用出处、能管对话历史的聊天界面,而不是单纯接一个向量库。

技能如何组织实现

资料把能力拆成三条主线:

  1. 文档处理 — 从 PDF、GitHub 仓库、邮件、网页、YouTube/音频等源抽取文本;大块文档要做分块(含重叠)、保留标题层级与元数据;扫描件可走 OCR(pytesseract),表格可用 pdfplumber。
  2. 语义理解与检索 — 在问题里消解代词、结合历史把问句补全,再用检索到的片段生成回答,并尽量附带来源引用。
  3. 对话界面 — conversation_manager 一类模式:限制历史长度、记录角色与时间戳、处理超出文档范围的问题,必要时先澄清问题再答。

实现路径上技能点名 LangChain、LlamaIndex 与 RAG 思路,并给出文档加载、嵌入/向量库、引用与错误处理的检查清单。进阶包括多文档分析、分层分块、多跳检索,以及长对话摘要以缓解上下文窗口压力。

适用边界与注意点

检索质量决定答案相关性:无关回答往往要靠更好分块、混合检索、置信度或与上下文校验来收敛。超长单文档需要分层分块、先摘要或迭代细化问句,不能假设整本书塞进一次 prompt。多格式、多语言、大批量文档还要考虑批处理、缓存与延迟监控;OCR 与复杂版式 PDF 会增加预处理成本与失败面,上线前宜用真实样本压测。

使用场景

  • 法务需要对着合同 PDF 用自然语言追问条款含义,并要求回答能标出对应页或段落
  • 研究员把多篇论文导入系统,围绕方法学与实验设置连续多轮提问
  • 工程师把 GitHub 仓库接进问答,就目录结构与关键模块实现细节提问
  • 客服或 IT 在邮件归档里按主题、发件人和正文内容做对话式检索

适合人员

  • 负责内部知识库产品的后端,要把公司 Wiki/PDF 做成带引用与历史的管理端问答
  • 做法务科技或合规系统的工程师,需在长合同与扫描件上实现可澄清、可溯源的查询
  • 学术或行业研究员,希望用同一套流程处理 PDF 与音视频 transcript 的探索式阅读
  • 在企业内搭建 LangChain/LlamaIndex RAG 的开发者,需要分块、对话管理与常见踩坑的对照清单