Schneller Dokumentenparser für lokale AI-Agenten
LiteParse extrahiert Text samt Positionsinformationen lokal aus PDFs, Office-Dokumenten und Bildern, ohne Cloud und ohne LLM. Der Beitrag zeigt, wo der Parser AI-Agenten gut versorgt und wo LlamaParse die bessere Wahl bleibt.
Ein starkes Modell allein schreibt noch keinen verlässlichen Code. Erst im Repository zeigt sich, ob aus künstlicher Intelligenz ein brauchbarer Entwicklungspartner entsteht oder aber ein Risiko mit Shell-Zugriff.
KI · .NET · Tooling
Smartere Workflows und ein klarer Blick auf Wartbarkeit: NDepend 2026 öffnet spannende Türen - gerade im Zusammenspiel mit KI.
.NET · Tooling · KI
KI-Modelle benötigen standardisierte Schnittstellen, um konsistent einsetzbar zu sein. Microsoft.Extensions.AI und Microsoft.Extensions.VectorData abstrahieren verschiedene Dienste und bieten eine zentrale Middleware.
.NET · KI
Wie sich RAG-Systeme im Microsoft-Ökosystem umsetzen lassen: Am Beispiel eines internen FAQ-Systems mit 500 Dokumenten zeigt der fünfte Teil, wie Azure OpenAI, Azure AI Search und Semantic Kernel zusammenspielen.
KI · .NET · Cloud
Um spezifischere Anforderungen zu erfüllen, brauchen Sprachmodelle etwas „Nachhilfe“. Zwei Methoden hierfür sind Fine-Tuning und Retrieval-Augmented Generation (RAG).
KI · .NET
