PDFtoChat：开源 AI 文档处理工具，实现与 PDF 文档自然语言秒级问答

最新推荐文章于 2025-04-30 22:17:06 发布

蚝油菜花

最新推荐文章于 2025-04-30 22:17:06 发布

阅读量953

点赞数 22

分类专栏：每日 AI 项目与应用实例文章标签：人工智能 pdf microsoft 开源软件

本文链接：https://blog.csdn.net/qq_19841021/article/details/143193780

版权

每日 AI 项目与应用实例专栏收录该内容

659 篇文章

订阅专栏

❤️ 如果你也关注大模型与 AI 的发展现状，且对大模型应用开发非常感兴趣，我会快速跟你分享最新的感兴趣的 AI 应用和热点信息，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

PDFtoChat 是一款基于 AI 的 PDF 交互工具，支持用户通过自然语言与 PDF 文件对话。
该工具利用 Together AI 和 Pinecone 技术，提供高效的文档检索和答案提取功能。
通过 Next.js、MongoDB Atlas 和 LangChain.js 等技术的结合，实现用户友好的界面和强大的后台支持。

正文（附运行示例）

PDFtoChat 是什么

在这里插入图片描述

PDFtoChat 是一个开源的创新 AI 项目，它让用户可以通过自然语言对话的方式与 PDF 文件互动。这个工具基于最新的 AI 技术，比如 Together AI 和 Mixtral，能够理解用户的提问并从 PDF 内容中提取相关信息。它使用了 Next.js App Router 框架，并结合了 LangChain.js、MongoDB Atlas 等多种技术，提供了强大的文档检索和交互能力，大大提高了处理文档的效率。

PDFtoChat 的主要功能

PDF 文件上传与解析：用户可以轻松上传 PDF 文件，系统会自动解析文件内容，为后续的互动做好准备。
自然语言问答：用户可以用日常语言向 PDF 文件提问，系统会理解问题并从文件中找到答案。
即时反馈：系统会快速响应用户的问题，提供及时的反馈和答案。
智能检索：利用先进的 AI 技术，系统能够理解文档内容，智能地检索相关信息。
用户友好的界面：提供简洁直观的用户界面，让与 PDF 文件的互动变得简单易懂。

PDFtoChat 的技术原理

AI 模型与推理：使用 Together AI 提供的 Mixtral 和 M2 Bert 80M 模型来进行语言模型的推理和嵌入，从而理解和处理自然语言。
向量数据库：利用 MongoDB Atlas 存储和检索文档的向量，通过向量搜索快速找到相关信息。
聊天机器人框架：使用 LangChain.js 实现“检索-生成”（RAG）聊天机器人框架，结合了检索和生成模型的优势。
PDF 存储：使用 Bytescale 来存储和管理上传的 PDF 文件，确保文件的安全和可访问性。
前端框架：采用 Next.js App Router 作为前端框架，提供灵活的路由管理和页面渲染功能。

如何运行 PDFtoChat

要部署自己的 PDFtoChat 实例，需要完成以下步骤：

设置 Together.ai：注册并获取 API 密钥。
设置 MongoDB Atlas：

创建数据库集群。
创建一个空白集合。
创建一个向量搜索索引，配置如下：

{
  "fields": [
    {
      "numDimensions": 768,
      "path": "embedding",
      "similarity": "euclidean",
      "type": "vector"
    },
    {
      "path": "docstore_document_id",
      "type": "filter"
    }
  ]
}

设置 Bytescale：注册并获取 API 密钥。
设置 Clerk：用于用户认证。
设置 Vercel：用于托管和 Postgres 数据库。
准备数据库模式：运行npx prisma db push。

环境变量配置示例：

NEXT_PUBLIC_VECTORSTORE=mongodb
MONGODB_ATLAS_URI=your_connection_string
MONGODB_ATLAS_DB_NAME=your_database_name
MONGODB_ATLAS_COLLECTION_NAME=your_collection_name
MONGODB_ATLAS_INDEX_NAME=your_index_name