## 🔹搭载Krugle Biblio的Krugle平台全貌 在加入Krugle Biblio的Krugle平台中,在运行「Krugle Search」和「Krugle Biblio」的处理进程之前,会针对包含原代码、Excel、PDF等非结构化数据的各种文件进行独家的预处理。 ## 🔹Krugle Biblio值得注意的三大特色 ### 1)解决Excel规格书的痛点 针对以往被认为难以让传统AI阅读的Excel及PDF等文件格式,通过施加独家预处理并将其RAG化,成功实现了数据解析。这使得这些文件得以与LLM(大型语言模型)进行集成,进而飞跃性地提升整体系统的分析精准度。 在日本,使用Excel来编写系统规格书与设计文档的文化根深蒂固,这也成为阻碍传统系统迁移的主要因素。Krugle Biblio将从根本上解决这个痛点。 ### 2)宛如学习了企业专属数据的LLM般易于使用 除了以文件为单位的预处理外,还能根据使用目的将作为信息来源的文件群创建成集合(Collection),并为每个集合生成矢量索引(Vector Index)/知识索引(Knowledge Index)。 通过这种预处理,Agentic RAG的搜索精准度将大幅提升,使其能够发挥出宛如专门学习了企业专属数据的LLM般的实用性。 ### 3)通过API集成可开发多样化的应用程序 Krugle Biblio配备了符合OpenAPI标准的标准API,可与各种应用程序进行集成或进行全新开发。目前已经在推进与聊天机器人及BI工具等多项产品的集成评估。 ## 🔹Krugle Biblio的运作机制 它能够针对企业内部的所有数据(原代码、周边文档、数据数据),依据不同目的进行跨部门、跨领域的关联性梳理。随着这项具备革命性的Krugle Biblio问世,Krugle将强力支持并推动解决被视为日本社会问题的传统系统迁移挑战。