## 🔹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。