ساخت سامانه RAG اسناد با Gemini و Qdrant

📄 این گردش‌کار یک سند PDF بزرگ را دریافت و متن آن را به بخش‌های مجزا تقسیم می‌کند.

🧠 مدل Kimi-K2 با بررسی بخش جاری و متن پیرامون آن، برای هر بخش زمینه، عنوان و کلیدواژه تولید می‌کند تا کیفیت بازیابی افزایش یابد.

🔎 خلاصه‌های زمینه‌ای با Gemini Embeddings به بردارهای ۷۶۸بعدی تبدیل و همراه با محتوای اصلی و فراداده در مجموعه Qdrant ذخیره می‌شوند.

💬 در ادامه، یک زیرگردش‌کار برای جست‌وجوی برداری فراهم می‌شود که می‌تواند توسط عامل هوش مصنوعی، آزمون‌های متنی یا سرور MCP برای پاسخ‌گویی مبتنی بر اسناد استفاده شود.