چگونه یک چت‌بات هوش مصنوعی را روی PDF و اسناد آموزش دهیم (بدون پاسخ‌های بد)

به‌روزرسانی 6 نوامبر 2026

چگونه PDFها و اسناد را آماده کنیم تا یک چت‌بات هوش مصنوعی دقیق از آن‌ها پاسخ دهد: چه چیزهایی به‌درستی تجزیه نمی‌شوند، تکه‌تکه‌سازی چگونه بر پاسخ‌ها اثر می‌گذارد، چگونه بازیابی را آزمایش کنیم، و چگونه فایل‌ها را به‌روز نگه داریم.

برای آموزش یک چت‌بات هوش مصنوعی روی PDFها، مدل را دوباره آموزش نمی‌دهید. اسناد را بارگذاری می‌کنید، ابزار متن آن‌ها را استخراج می‌کند، آن را به تکه‌ها تقسیم و فهرست می‌کند؛ وقتی مشتری پرسشی می‌پرسد، نزدیک‌ترین تکه‌ها بازیابی می‌شوند و هوش مصنوعی از آن‌ها پاسخ می‌دهد. یعنی کیفیت پاسخ‌هایتان بیش از اینکه کدام مدل هوش مصنوعی را انتخاب کنید به خوانا بودن PDFهایتان بستگی دارد. این راهنما آماده‌سازی فایل‌ها، قالب‌هایی که بد تجزیه می‌شوند، نحوه کار تکه‌تکه‌سازی، آزمایش و به‌روز نگه داشتن اسناد را پوشش می‌دهد.

ابتدا اسناد درست را انتخاب کنید، نه همه آن‌ها. بهترین گزینه‌ها اسنادی هستند که مشتریان از قبل درباره‌شان می‌پرسند: دفترچه راهنمای محصول، برگه مشخصات، شرایط گارانتی، سیاست‌های ارسال و بازگشت، لیست قیمت، راهنمای آغاز به کار، پرسش‌های متداول. پیش‌نویس‌های داخلی، نسخه‌های قدیمی، قراردادهایی با نام مشتریان، و هر چیزی که نمی‌خواهید کلمه‌به‌کلمه به مشتری نقل شود را کنار بگذارید. هر فایلی که بارگذاری می‌کنید چیزی است که ربات ممکن است تکرار کند، پس آن را مانند انتشار عمومی انتخاب کنید.

ابتدا تکراری‌ها و نسخه‌های قدیمی را حذف کنید. اگر «Warranty 2023.pdf» و «Warranty 2025.pdf» هر دو بارگذاری شده باشند، ربات گاهی از نسخه قدیمی پاسخ می‌دهد و با همان اطمینان. پیش از بارگذاری، یک نسخه جاری از هر سند انتخاب کنید و بقیه را از پایگاه دانش حذف کنید. تاریخ اعتبار را در خود سند بنویسید («معتبر از 1 مارس 2026») تا شما و ربات هر دو بدانید کدام نسخه است.

بدانید چه چیزی خوب تجزیه می‌شود. PDFهایی که از Word، Google Docs یا یک وب‌سایت خروجی گرفته شده‌اند (متنی که می‌توانید انتخاب و کپی کنید) تمیز استخراج می‌شوند. اسناد Word، متن ساده و Markdown حتی آسان‌ترند، چون ساختارشان را مستقیم حمل می‌کنند. یک آزمون سریع: PDF را باز کنید، یک پاراگراف را انتخاب کنید و در یک ویرایشگر متن ساده بچسبانید. اگر به‌صورت جمله‌های خوانا و با ترتیب درست درآمد، چت‌بات هم آن را می‌خواند. اگر درهم و برهم درآمد، پاسخ‌ها هم همین‌طور خواهند بود.

PDFهای اسکن‌شده به OCR نیاز دارند. یک صفحه اسکن‌شده تصویر متن است، نه خود متن. بدون تشخیص نویسه نوری (OCR)، ابزار هیچ چیزی استخراج نمی‌کند و چت‌بات آن محتوا را هرگز پیدا نمی‌کند. با OCR بیشتر متن را استخراج می‌کند، اما مهرها، دست‌نوشته‌ها، اسکن‌های کم‌کنتراست و صفحات کج خطاهایی مانند «0» به‌جای «O» یا خطوط گم‌شده ایجاد می‌کنند. اگر سندی مهم فقط به‌صورت اسکن وجود دارد، معمولاً سریع‌تر است صفحات کلیدی را دوباره تایپ کنید تا بعداً اشتباهات OCR را رفع کنید.

چیدمان‌های چندستونی و سرصفحه‌ها آسیب بی‌صدا وارد می‌کنند. استخراج متن اغلب در یک صفحه دوستونی مستقیم از عرض آن می‌خواند و جمله‌های دو ستون را با هم مخلوط می‌کند. سرصفحه‌ها و پاصفحه‌های تکراری («محرمانه شرکت، صفحه 4 از 30») وسط پاراگراف‌ها گیر می‌کنند. بروشورهایی با کادرهای متن و نوار کناری بدترین خطاکارها هستند. اگر فایل منبع در Word یا Google Docs دارید، آن را بارگذاری کنید به‌جای PDF طراحی‌شده، یا یک نسخه ساده تک‌ستونی برای چت‌بات خروجی بگیرید.

جدول‌ها سخت‌ترین بخش هستند. در بسیاری از PDFها یک جدول فقط متنی است که در یک شبکه قرار گرفته، بدون ردیف و ستون واقعی زیرش. پس از استخراج، یک جدول قیمت می‌تواند به یک رشته عدد بدون برچسب تبدیل شود، و ربات ممکن است قیمت اشتباهی را به طرح اشتباهی وصل کند. در منبع درستش کنید: جدول‌های مهم را به جمله یا فهرست کوتاه بازنویسی کنید («طرح Pro ماهانه 40 دلار است و 5 کاربر را شامل می‌شود»)، یا اگر ابزارتان پذیرفت، آن‌ها را در یک صفحه‌گسترده یا CSV بگذارید. سپس دقیقاً پرسش‌هایی را آزمایش کنید که جدول پاسخ می‌دهد.

تصاویر و نمودارها بیشتر نامرئی‌اند. یک نمودار سیم‌کشی، یک جدول اندازه که به‌صورت تصویر ذخیره شده، یا یک تصویر از تنظیمات، اطلاعاتی دارد که استخراج‌کننده متن هرگز نمی‌بیند، مگر اینکه ابزار OCR یا خواندن تصویر روی آن اجرا کند، و حتی در آن صورت معنای یک نمودار به‌ندرت حفظ می‌شود. اگر پاسخ در یک تصویر است، کنار آن یک جمله بنویسید که همان را با کلمات بگوید.

تکه‌تکه‌سازی چگونه بر پاسخ‌های شما اثر می‌گذارد. ابزارها اسناد را به تکه‌هایی تقسیم می‌کنند، معمولاً هر کدام چند صد کلمه، و تکه‌هایی را که بیشترین تطابق را با پرسش دارند بازیابی می‌کنند. پیامد عملی: یک پاسخ باید درون یک تکه قابل‌پیدا‌شدن باشد. اگر یک سیاست در صفحه 2 بگوید «بازگشت‌ها تا 30 روز پذیرفته می‌شوند» و در صفحه 9 «به‌جز کالاهای حراجی»، ربات به‌راحتی یکی را بازیابی می‌کند بدون دیگری. هر قاعده و استثنای آن را کنار هم، در همان پاراگراف، زیر عنوانی که موضوع را نام می‌برد نگه دارید.

عنوان‌هایی بنویسید که با روش پرسیدن مشتریان جور باشد. تکه‌تکه‌سازی و بازیابی هر دو وقتی بهتر کار می‌کنند که سند زیر عنوان‌های روشن و توصیفی سازمان‌دهی شده باشد: «ارسال به کانادا چقدر طول می‌کشد؟» بهتر از «بخش 4.2 لجستیک» بازیابی می‌شود. لازم نیست کل یک دفترچه را بازنویسی کنید؛ افزودن عنوان‌های به زبان مشتری به ده بخش پرسیده‌شده بیشترین فایده را می‌دهد. از کلماتی که مشتریان به کار می‌برند استفاده کنید: اگر آن‌ها «بازپرداخت» می‌گویند و سند شما «استرداد وجه» می‌گوید، «بازپرداخت» را به عنوان اضافه کنید.

اسناد بسیار بزرگ را تقسیم کنید. یک دفترچه 300 صفحه‌ای که به‌صورت یک فایل بارگذاری شده کار می‌کند، اما بازیابی را پرسروصداتر و به‌روزرسانی را سخت‌تر می‌کند. تقسیم آن به فصل‌ها (راه‌اندازی، عیب‌یابی، گارانتی) دیدن اینکه کدام بخش به یک پرسش پاسخ داده را آسان‌تر می‌کند و امکان جایگزینی یک فصل را بدون بارگذاری مجدد همه چیز فراهم می‌کند. همین درباره یک PDF سیاستی «همه‌چیز» صادق است: سه سند درباره سه موضوع معمولاً بهتر از یک سند بازیابی می‌شوند.

پیش از مشتریان آزمایش کنید. بیست پرسش واقعی از صندوق ورودی خود بنویسید، از جمله پنج پرسشی که اسناد فقط در یک جدول پاسخ می‌دهند، یکی که فقط در یک فایل اسکن‌شده ظاهر می‌شود، و سه پرسشی که اسناد اصلاً پاسخ نمی‌دهند. هر کدام را بپرسید. برای هر پاسخ، آن را با صفحه منبع مقایسه کنید. سه شکست را دنبال کنید: حقایق اشتباه (معمولاً مشکل تجزیه یا نسخه تکراری)، «نمی‌دانم» وقتی پاسخ وجود دارد (معمولاً مشکل تکه‌تکه‌سازی یا عنوان)، و پاسخ‌های ساختگی وقتی وجود ندارد (مشکل پایه‌گذاری، و جدی‌ترین).

علت را درست کنید، نه نشانه را. اگر پاسخ یک جدول اشتباه است، جدول را بازنویسی کنید، یک قاعده پرامپت درباره آن اضافه نکنید. اگر ربات پاسخی را که وجود دارد از دست می‌دهد، یک عنوان اضافه کنید یا استثنا را کنار قاعده بگذارید. اگر یک پاسخ دقیق باید هر بار درست باشد (مدت گارانتی، کارمزد لغو)، آن را به‌عنوان یک جفت پرسش و پاسخ جداگانه هم اضافه کنید، تا به نحوه تقسیم شدن یک PDF بستگی نداشته باشد.

اسناد را با یک روال ساده به‌روز نگه دارید. به هر سند بارگذاری‌شده یک مالک و تاریخ بازبینی بدهید. وقتی یک سیاست تغییر می‌کند، فایل را همان روز جایگزین کنید و قدیمی را حذف کنید، به‌جای اینکه یک نسخه جدید کنار آن بارگذاری کنید. ماهی یک‌بار به پرسش‌هایی که ربات نتوانست پاسخ دهد و پاسخ‌هایی که مشتریان امتیاز منفی داده‌اند نگاه کنید؛ هر کدام معمولاً به سندی اشاره دارد که گم‌شده، کهنه یا غیرقابل‌خواندن است.

به محتوای فایل‌ها توجه کنید. پیش از بارگذاری، اسناد را برای داده شخصی، یادداشت‌های قیمت‌گذاری داخلی، نام کارکنان و شماره تلفن‌ها، و هر چیزی که تحت توافق محرمانگی است جستجو کنید. بازیابی نمی‌داند کدام پاراگراف قرار بوده داخلی باشد. اگر یک فایل محتوای عمومی و خصوصی را با هم دارد، یک نسخه عمومی برای چت‌بات بسازید.

ZChat کجا قرار می‌گیرد. ZChat اجازه می‌دهد فایل‌های PDF، Word، Excel، PowerPoint، CSV، HTML، متن و Markdown را در صفحه پایگاه دانش بارگذاری کنید، در کنار خزش وب‌سایت، مقاله‌های راهنما و جفت‌های پرسش و پاسخ با عبارت‌بندی‌های متفاوت. PDFهای اسکن‌شده و تصاویر وقتی فضای کاری کلید OpenAI داشته باشد، چه مدیریت‌شده و چه کلید خودتان، با OCR خوانده می‌شوند. هوش مصنوعی می‌گوید کی نمی‌داند به‌جای حدس زدن، و آزمون‌های مشتری شبیه‌سازی‌شده با هوش مصنوعی به شما امکان می‌دهند بیست پرسش‌تان را پس از هر تغییر سند به‌عنوان یک آزمون تکرارپذیر اجرا کنید.

کجا نیست. اگر نیاز اصلی شما جستجو در هزاران فایل داخلی برای کارکنان است، یک ابزار جستجوی سازمانی تناسب بهتری نسبت به یک چت‌بات پشتیبانی رو به مشتری دارد. و هیچ ابزاری یک سند نادرست را درست نمی‌کند؛ روال بالا از نرم‌افزار مهم‌تر است.

آموزش یک چت‌بات روی PDF یعنی استخراج، تکه‌تکه‌سازی و بازیابی، پس کیفیت پاسخ به خوانا بودن فایل‌هایتان بستگی دارد.

اسکن‌ها، چیدمان‌های چندستونی، جدول‌ها و تصاویر بد تجزیه می‌شوند؛ آن‌ها را در منبع درست کنید و هر قاعده را با استثناهایش نگه دارید.

با پرسش‌های واقعی در برابر صفحات منبع آزمایش کنید، سپس از هر سند یک نسخه جاری با مالک و تاریخ بازبینی نگه دارید.