ИИ-агент и PDF: что бот делает с файлом в переписке

Клиент присылает в переписку скан договора аренды и спрашивает, подходят ли ему условия. Менеджер в этот момент листает вложение на телефоне, ищет пункт про досрочное расторжение и печатает ответ вручную, хотя мог бы этого не делать вовсе.

PDF в диалоге с ИИ-агентом появляется по трём поводам, и это три разных механизма внутри платформы: клиент прислал файл и ждёт ответа по его содержимому, компании нужно отправить клиенту готовый документ, или PDF пора занести в базу знаний, чтобы агент отвечал по нему постоянно. Дальше разберём, что происходит в каждом из трёх случаев отдельно.

Что вообще происходит с PDF в переписке с ИИ-агентом

ИИ-агент — это не программа для чтения PDF по умолчанию: он реагирует на файл только тогда, когда для этого настроен один из трёх механизмов. Спутать их легко: во всех трёх случаях на входе или выходе один и тот же формат файла, а логика внутри разная.

Первый механизм — разовое извлечение текста из файла, который в диалог принёс клиент. Второй — отправка готового файла из базы знаний клиенту. Третий — постоянная загрузка PDF в базу знаний, после которой файл разбирается на смысловые куски и отвечает на вопросы месяцами. Ни один из трёх не включается сам по себе: без настроенного действия или загруженного документа файл в переписке остаётся просто вложением, которое агент не откроет.

Клиент прислал PDF: как агент вытаскивает из него текст

За это отвечает действие «Извлечь текст из файла»: агент получает документ в аргументе {file}, извлекает из него текст в формате Markdown или HTML и кладёт результат в переменную. Дальше этот текст можно отправить клиенту, передать в следующий шаг сценария или просто использовать при формулировании ответа.

Разница между обычным PDF и сканом принципиальна. Если в файле уже есть текстовый слой (счёт, договор, экспортированный из редактора регламент), извлечение проходит сразу и бесплатно в рамках стоимости диалога. Если PDF получен сканированием и текста там физически нет, только изображение страницы, обычное извлечение вернёт пустоту. Для этого случая в настройках действия есть режим распознавания сканированного текста с тремя вариантами: не использовать вовсе, включать только для PDF с картинками внутри, или распознавать всегда. Именно на этом режиме и написан скан договора из начала статьи, без него агент прочитал бы файл, увидел изображение страницы и ничего не смог бы из него достать. Что агент умеет делать с обычными фото и другими вложениями клиента помимо PDF, подробнее в статье про чтение файлов клиента.

Агент отправляет клиенту готовый PDF

Обратный сценарий: компании самой нужно передать клиенту прайс, договор или инструкцию целиком, файлом, а не пересказом. Файл для этого один раз загружается и прикрепляется к нужному файлу быстрых ответов — дальше агент вызывает этот файл базы знаний по смыслу вопроса, и вложение уходит клиенту вместе с ответом или отдельным сообщением.

При загрузке можно отметить, что файл идёт с коротким сопроводительным текстом, а для аудио- и видеовложений — что он превращается в голосовое сообщение или в кружок для Телеграма. Полный список форматов, которые агент отправляет и принимает помимо документов, собран в статье про вложения в чат-боте. Для текстовых файлов, к которым относится и PDF, действует лимит 20 Мб на один файл: этого хватает на договор в сотню страниц с логотипом на каждой, но не на архив сканов, собранный в один документ без сжатия.

PDF попадает в базу знаний: что происходит с текстом и картинками

Третий сценарий устроен вокруг постоянного хранения, а не разового ответа. Загруженный в раздел «Документы» PDF режется на смысловые куски и с этого момента отвечает на вопросы клиентов в любом будущем диалоге, а не только в текущем. Лимит на такой файл — 10 Мб, для документа Word это больше пяти тысяч страниц двенадцатым шрифтом.

Если в исходном PDF были иллюстрации (схема сборки, план помещения, фото товара), при загрузке стоит включить флаг «Оставить изображения (ссылками)». Полноразмерные картинки внутри файла превращаются в прямые ссылки на этапе подготовки, а когда агент найдёт нужный кусок текста и в нём окажется такая ссылка, клиенту она уйдёт снова изображением, а не текстом со ссылкой. Без этого флага картинки из PDF при загрузке в базу знаний просто теряются, а сам документ разбирается на куски так же, как любой другой файл.

Три сценария бок о бок

Прежде чем настраивать что-то из этого, полезно свериться, какой из трёх случаев вообще относится к вашей задаче.

Переработанное содержимое сканов не переносится автоматически между сценариями: текст, распознанный при извлечении из присланного клиентом файла, не появляется сам собой в базе знаний, даже если это один и тот же договор. Если материал должен отвечать за пределами одного диалога, его нужно загрузить в «Документы» отдельно.

Приложите один документ и проверьте, какой сценарий вам действительно нужен

Приложите к тестовому диалогу с агентом реальный PDF — такой, какой обычно присылают клиенты: скан с наклонным углом съёмки или экспортированный из другой системы файл с сомнительной разметкой. Посмотрите, что агент из него достанет: если текст читается ровно, дело в настройке действия, если возвращается пустой ответ — почти наверняка нужен режим распознавания сканов.

Дальше решите для себя главный вопрос: файл нужен один раз в этом разговоре или должен отвечать на вопросы клиентов месяцами. Первое — действие извлечения текста, второе — загрузка в базу знаний. Путать эти два случая не стоит: постоянно грузить один и тот же прайс в «Документы» ради разового ответа клиенту дороже и медленнее, чем один раз настроить извлечение текста из присланного файла.

Частые вопросы