Documentchat

Doorzoekt geüploade documenten en geeft relevante fragmenten aan de chatcontext.

Ondersteunde bestanden

• PDF (per pagina)
• Platte tekst/logs
• Markdown (.md, .markdown, .mdx, per sectie)
• HTML
• Word .docx
• Presentaties .pptx
• Werkbladen .xlsx en CSV/TSV
• Broncode
• Afbeeldingen .png, .jpg, .webp, .gif via visiemodel (Instellingen → Standaardwaarden → Visionmodel)
• Audio .wav, .webm via STT-provider
• Maximaal 10 MB

Office wordt met een begrensde ingebouwde parser uitgepakt; geen derde partij in serverproces. Identieke bytes in dezelfde scope worden gededupliceerd.

Afbeelding/audio gaat naar geconfigureerde providers; geen lokale OCR of spraakengine. Een scan herstelt JPEG-pagina's en leest ze via visie met herkomst. CCITT/JBIG2 geeft geen tekst. Zonder visie/STT mislukt upload met reden in Instellingen → Documenten.

Zoekmodi

Modus	Wanneer	Notities
Trefwoord	Altijd	BM25 zonder embedding
Hybride	Embedding actief	Vector + BM25 reciprocal-rank fusion

Beide ranglijsten worden samengevoegd. Exacte term kan vage semantiek overtreffen; nog te embedden segmenten blijven lexicaal bereikbaar. Fout/uit schakelt terug naar trefwoord.

Lexicale scoring gebeurt in proces. Geen full-textindex op schijf omdat tekst versleuteld is. Een segment moet minstens één volledig querywoord bevatten; ALPHA_BETA_GAMMA toont geen gedeeltelijke overeenkomsten.

Gedeelde kennis doet automatisch mee. ACL zit in vectorquery; intrekken werkt bij volgende zoekactie zonder opnieuw embedden.

Semantisch zoeken

ollama pull nomic-embed-text

Activeer embedding. Standaard: nomic-embed-text, 1000 tekens, overlap 200, drempel 0.3.

Citaten en volledige documenten

Fragmenten dragen bestand, index, score en pagina/slide/werkblad/sectie. Fontes toont locaties.

Volledig-documentmodus stuurt alle geëxtraheerde inhoud. FULL_DOCUMENT_CONTEXT_MAX_TOKENS (standaard 32000) beschermt context; bij overschrijding terug naar retrieval.

Uploaden en zoeken

1. Upload.
2. Wacht.
3. Vraag.
4. Libre voegt relevante fragmenten toe.

Summarize the uploaded document in five bullets.
What deadlines are mentioned in the PDF?
Find the section that talks about pricing.
Compare the uploaded policy with this proposed change.

API

Endpoint	Doel
POST /api/documents/upload	Upload
GET /api/documents	Lijst
GET /api/documents/session/:sessionId	Sessiedocumenten
POST /api/documents/search	Zoeken
DELETE /api/documents/:documentId	Verwijderen
GET /api/documents/embeddings/status	Status
POST /api/documents/embeddings/regenerate	Regenereren

Aanbevelingen

• Houd uploads taakgericht.
• Tekst-PDF heeft voorkeur; scans kosten per pagina.
• Regenereer na modelwijziging.
• Verlaag drempel bij gemiste context, verhoog bij ruis.

Gerelateerde documenten

• Modellen
• Omgevingsvariabelen
• Problemen oplossen