Lokalna ekstrakcja Office bez kosztu tokenów

Indeksuj swoje pliki Word, Excel i PowerPoint bez wydawania tokenów AI

AisDrive otwiera pliki docx, xlsx i pptx na własnym serwerze i wyciąga tekst na miejscu: zero wywołań modelu, zero zużytych tokenów. Tylko PDF-y i obrazy wymagają wizji AI.

Większość menedżerów z AI płaci modelowi za przeczytanie każdego wgranego dokumentu, nawet jeśli to Word z samym zwykłym tekstem. AisDrive nie: to, co można odczytać lokalnie, odczytuje się lokalnie.

AisDrive klasyfikuje każdy plik wysłany do indeksowania na trzy ścieżki ekstrakcji, zanim cokolwiek ruszy. Formaty tekstu i znaczników (txt, md, csv, tsv, json, xml, html, htm i svg) są dekodowane bezpośrednio w UTF-8, z usunięciem znaczników, gdy trzeba. Pakiet biurowy OOXML (docx, xlsx i pptx) otwiera się jako zip, którym naprawdę jest, i wyciąga z niego tekst lokalnymi bibliotekami. I tylko trzecia ścieżka — PDF i obrazy (pdf, jpg, jpeg, png, webp, gif) — przechodzi przez model multimodalny, bo tam nie ma tekstu do odczytu, są strony do obejrzenia.

Pracę ścieżki biurowej wykonuje worker indeksowania, a nie AI. Plik .docx jest przetwarzany przez mammoth, który zachowuje akapity, listy i tabele zamiast zwracać bałagan z XML-a. Plik .pptx jest przechodzony slajd po slajdzie, w prawdziwym porządku numerycznym (2 przed 10), a każdy slajd jest oznaczony w tekście, abyś potem wiedział, z którego slajdu pochodzi odpowiedź. Plik .xlsx jest odczytywany przez skrzyżowanie współdzielonych ciągów skoroszytu z komórkami każdego arkusza, więc kwoty i daty zapisane jako liczba dosłowna nie giną po drodze: każdy wiersz wychodzi jako linia wartości.

To zmienia rachunek kosztu posiadania zaindeksowanego dysku. W formatach tekstowych i Office ekstrakcja jest rejestrowana jako zero tokenów wejściowych i zero wyjściowych: jedyne zużycie przy indeksowaniu tych plików to embedding, wektor umożliwiający wyszukiwanie semantyczne i czat. W PDF-ie lub zrzucie ekranu płacisz natomiast także za ekstrakcję wizyjną. Jeśli wgrywasz całe foldery dokumentów roboczych, różnicę widać na każdej fakturze.

A to, czego nie da się wyodrębnić, nie trafia do kolejki: AisDrive sprawdza rozszerzenie, zanim zużyje limit lub tokeny, i odrzuca plik z jasnym komunikatem, zamiast zostawiać cię z indeksowaniem skazanym na niepowodzenie. Limit na plik wynosi 20 MB. AisDrive to miniaplikacja platformy AIsToHire; ta funkcja jest wyjaśniona na https://aistohire.com/pl/aisdrive-menedzer-plikow-dla-projektow-ais-to-hire-116/f/wyodrebnianie-tekstu-office-bez-tokenow

Zalety: Lokalna ekstrakcja Office bez kosztu tokenów

Office za zero kosztów

docx, xlsx i pptx są wyodrębniane na samym serwerze, a ekstrakcja jest rejestrowana jako 0 tokenów wejściowych i 0 wyjściowych.

Tekst i znaczniki też za darmo

txt, md, csv, tsv, json, xml, html, htm i svg są dekodowane lokalnie, z oczyszczeniem znaczników, gdy występują.

Word z zachowanym formatowaniem

.docx jest przetwarzany przez mammoth, który zachowuje akapity, listy i tabele zamiast spłaszczać wszystko.

Excel bez utraty liczb

.xlsx jest odczytywany przez połączenie współdzielonych ciągów skoroszytu z komórkami każdego arkusza, więc liczby i daty w dosłownej postaci trafiają do indeksu.

PowerPoint slajd po slajdzie

.pptx jest przechodzony w rzeczywistym porządku numerycznym, a każdy slajd jest oznaczony w wyodrębnionym tekście.

AI tylko tam, gdzie trzeba

model wizyjny jest zarezerwowany dla PDF-ów i obrazów, jedynego przypadku, w którym nie ma tekstu do odczytu.

Żadnych zewnętrznych wywołań na ścieżce lokalnej

pliki biurowe nie opuszczają infrastruktury, żeby czytał je model strony trzeciej.

Żadnych skazanych kolejek

jeśli rozszerzenia nie da się wyodrębnić, AisDrive mówi o tym od razu i nie zużywa ani limitu, ani tokenów.

Sophie Blake

Wgraj dokumenty Office i przestań płacić za ich czytanie

Załóż swój dysk, wyślij do indeksowania plik Worda, Excela lub prezentację i sprawdź, ile to zużywa: embedding i nic więcej.

Tekst z Worda, Excela i PowerPointa bez tokenów AI | AisDrive