Tämä on 2 osa DocSummarizer -sarjasta. Ks. Osa 1 arkkitehtuurin ja kuvioiden osalta, tai 3 osa Syvän teknisen sukelluksen ja haun vuoksi.
Muuta dokumentit tai URL-osoitteet todisteisiin pohjautuviksi tiivistelmiksi - ihmisille tai tekoälyagenteille - lähettämättä mitään pilveen.
Jokainen väite on jäljitettävissä, ja jokainen fakta viittaa sen lähteeseen.
# Human-readable summary
docsummarizer -f contract.pdf
# JSON for agents/pipelines
docsummarizer tool -u "https://docs.example.com"
Mitä tämä artikkeli kattaa: Asennus, avaintilat (Auto/BertRag/Bert), mallit ja tavalliset käyttötavat.
Mitä se ei peitä: Täyden komennon viitetiedot, asetusasetukset, vianetsintä, arkkitehtuurin yksityiskohdat.
Katso täydelliset asiakirja-aineistot KIRJEENVAIHTO. Katso, miten se toimii sisäisesti 3 osa.
Suurin osa tiivistelijöistä antaa sinulle tekstiviestejä. näyttöä.
[chunk-N] Lainaukset takaisin lähdeaineistoonJos on tarpeen luottamus yhteenveto - tai syötä se toiseen järjestelmään - jolla on merkitystä.
Erytropoietiini tool Komento on suunniteltu erityisesti tekoälyagenteille, MCP-palvelimille ja muille automatisoiduille järjestelmille. Se tuottaa JSON:n strukturoitua todisteisiin perustuvia väitteitä, jotka sopivat erinomaisesti RAG-putkien tai agenttityökalujen rakentamiseen.
# Summarize a URL and get JSON output
docsummarizer tool --url "https://example.com/docs.html"
# Summarize a local file
docsummarizer tool -f document.pdf
# With a focus query
docsummarizer tool -f contract.pdf -q "payment terms and conditions"
# Pipe to jq for processing
docsummarizer tool -f doc.pdf | jq '.summary.keyFacts'
Työkalun komento palauttaa JSON:n strukturoidun näytön avulla:
{
"success": true,
"source": "https://example.com/docs.html",
"contentType": "text/html",
"summary": {
"executive": "Brief summary of the document.",
"keyFacts": [
{
"claim": "The system supports 10,000 TPS.",
"confidence": "high",
"evidence": ["chunk-3", "chunk-7"],
"type": "fact"
}
],
"topics": [
{
"name": "Architecture",
"summary": "The system uses microservices...",
"evidence": ["chunk-1", "chunk-2"]
}
],
"entities": {
"people": ["John Smith"],
"organizations": ["Acme Corp"],
"concepts": ["OAuth 2.0", "REST API"]
},
"openQuestions": ["What is the disaster recovery plan?"]
},
"metadata": {
"processingSeconds": 12.5,
"chunksProcessed": 15,
"model": "qwen2.5:1.5b",
"mode": "MapReduce",
"coverageScore": 0.95,
"citationRate": 1.2,
"fetchedAt": "2025-01-15T10:30:00Z"
}
}
docsummarizer tool [options]
Vaihtoehto Lyhyt kuvaus
|--------|-------|-------------|
| --url | -u URL noutaa ja tiivistää
| --file | -f Yhteenvetona esitettävä tiedosto
| --query | -q Valinnainen tarkennuskysely
| --mode | -m Yhteenvetotila (Auto, BertRag, Bert, BertHybrid, MapReduce, Rag, Iterative)
| --model Ollama-mallia käytetään
| --config | -c Asetukset- tiedostopolku
evidence Lähteen osiin viittaavat tunnisteethigh, medium, tai low perustuen todisteisiinexecutive Yhteenvedossa ei ole merkintämerkkejä helppoon näyttöönsuccess: false jossa on error TaloussanomatPython-skripti:
import subprocess
import json
result = subprocess.run(
["docsummarizer", "tool", "-u", "https://example.com/api-docs"],
capture_output=True, text=True
)
data = json.loads(result.stdout)
if data["success"]:
for fact in data["summary"]["keyFacts"]:
if fact["confidence"] == "high":
print(f"- {fact['claim']}")
Kuormaputki:
# Extract high-confidence facts only
docsummarizer tool -f doc.pdf | jq '[.summary.keyFacts[] | select(.confidence == "high")]'
# Get just the executive summary
docsummarizer tool -u "https://example.com" | jq -r '.summary.executive'
Esirakennetut natiivit ovat saatavilla osoitteesta GitHubledget:
Alusta Arkkitehtuuri Lataa
| ---------- | -------------- | ---------- |
|---|---|---|
Ikkunat ARM64 docsummarizer-win-arm64.zip |
||
Linux x64 docsummarizer-linux-x64.tar.gz |
||
Linux ARM64 docsummarizer-linux-arm64.tar.gz |
||
X64 (puheenjohtajuus) docsummarizer-osx-x64.tar.gz |
||
ARM64 (Apple Pii) docsummarizer-osx-arm64.tar.gz |
# Download and extract (Linux/macOS)
curl -L -o docsummarizer.tar.gz https://github.com/scottgal/mostlylucidweb/releases/download/docsummarizer-v3.1.0/docsummarizer-linux-x64.tar.gz
tar -xzf docsummarizer.tar.gz
chmod +x docsummarizer
# Download and extract (Windows PowerShell)
Invoke-WebRequest -Uri "https://github.com/scottgal/mostlylucidweb/releases/download/docsummarizer-v3.1.0/docsummarizer-win-x64.zip" -OutFile "docsummarizer.zip"
Expand-Archive -Path "docsummarizer.zip" -DestinationPath "."
Puhdasta kaivannaistiivistelmää varten ulkoisia palveluja ei tarvita:
docsummarizer -f document.md -m Bert
ONNX-mallit lataavat automaattisesti HuggingFacen ensimmäisellä käyttökerralla (~23MB). Palautuu ~3-5 sekunnissa.
LLM-käyttöiseen summarointiin tarvitaan Ollamaa:
# Install Ollama from https://ollama.ai
ollama pull llama3.2:3b # Default model - good balance of speed/quality
ollama serve
Nopeuden kärki: Nopeampiin tiivistelmiin (~3s vs ~15s)
--model qwen2.5:1.5b
Vaaditaan PDF-, DOCX-, XLSX-, PPTX-, HTML-, kuvat (PNG/JPG/TIF), CSV-, VTT- ja AsciiDoc-tiedostot. Markdown ja tavalliset tekstitiedostot luetaan suoraan - Doclingia ei tarvita.
docker run -d -p 5001:5001 quay.io/docling-project/docling-serve
Ei vaadita oletuksena - BertRag käyttää muistivektoreita. Ota Qdrant käyttöön jatkuvassa tallennuksessa, jotta voit välttää asiakirjojen uudelleen upottamisen seuraavilla kierroksilla:
docker run -d -p 6333:6333 -p 6334:6334 qdrant/qdrant
Määrittele sitten docsummarizer.json:
{
"bertRag": {
"vectorStore": "Qdrant",
"collectionName": "docsummarizer",
"persistVectors": true
}
}
Jos suosit Ollamaa ONNX:n sijaan upotuksina:
ollama pull nomic-embed-text # Or mxbai-embed-large
# Then use: --embedding-backend Ollama
docsummarizer check --verbose
Odotetussa tuotoksessa on kaavailtu taulukko:
Dependency Status
╭─────────┬────────┬────────────────────────╮
│ Service │ Status │ Endpoint │
├─────────┼────────┼────────────────────────┤
│ Ollama │ OK │ http://localhost:11434 │
│ Docling │ Optional │ http://localhost:5001 │
│ Qdrant │ Optional │ localhost:6333 │
╰─────────┴────────┴────────────────────────╯
Default Model Info
╭────────────────┬────────────────╮
│ Property │ Value │
├────────────────┼────────────────┤
│ Name │ llama3.2:3b │
│ Family │ llama │
│ Parameters │ 3.2B │
│ Context Window │ 128,000 tokens │
╰────────────────┴────────────────╯
Ready to summarize! Ollama is available.
Huomautus: Docling ja Qdrant näyttävät vain Markdown-työnkulkuja.
Suoritetaan docsummarizer ilman perusteluja:
README.md nykyisessä hakemistossareadme.summary.md# Summarize README.md in current directory
docsummarizer
# Shows a formatted panel with:
# - Document info table (file, mode, model)
# - Progress indicators during processing
# - Summary panel with the result
# - Topics tree if available
# - Saved: readme.summary.md
# Just run it - Auto mode picks the best approach
docsummarizer -f document.pdf
# Fast mode - no LLM, pure extraction (~3-5s)
docsummarizer -f document.pdf -m Bert
# Production mode - best quality with validated citations
docsummarizer -f document.pdf -m BertRag
# Focused on specific topic
docsummarizer -f manual.pdf -m BertRag --focus "installation steps"
# Verbose progress
docsummarizer -f document.pdf -v
Työkalu kehittyi "just MapReducesta" täyteen putkeen. Kukin tila tekee näin:
Valitse oikea tila sen perusteella, mitä pyydät. Käytä tätä, ellei sinulla ole syytä olla kysymättä.
docsummarizer -f doc.pdf
Tätä te haluatte tuotannolle, kolmivaiheista putkistoa:
docsummarizer -f doc.pdf -m BertRag
docsummarizer -f doc.pdf -m BertRag --focus "payment terms"
Miksi käyttää sitä: Jokainen väite on peräisin lähdesegmentistä. Ei hallusinaatioita. Skaalaa minkä tahansa asiakirjakoon. LLM kulkee vain lopussa (halpa).
Puhdasta poimintaa paikallisten ONNX-mallien avulla. Ei LLM-puhelua lainkaan.
docsummarizer -f doc.pdf -m Bert
Miksi käyttää sitä: Toimii offline-tilassa. Palautuu ~3-5 sekunnissa. Deterministinen (sama tulo = sama lähtö). Tarpeeksi hyvä nopeisiin skannauksiin.
BERT-uutteita, LLM-kiillokkeita. Bertin ja BertRagin keskikenttä.
docsummarizer -f doc.pdf -m BertHybrid
Alkuperäiset tilat toimivat yhä, mutta BertRag korvasi ne useimpiin käyttökohteisiin.
docsummarizer -f doc.pdf -m MapReduce # Full coverage
docsummarizer -f doc.pdf -m Rag --focus "query" # Legacy focused mode
Sen sijaan, että tekisit yhteenvedon, esitä kysymyksiä asiakirjasta:
docsummarizer -f manual.pdf --query "How do I install the software?"
Tiivistä verkkosivut suoraan lataamatta:
# Summarize a web article
docsummarizer --url "https://example.com/article.html" --web-enabled
# Summarize a remote PDF
docsummarizer --url "https://example.com/document.pdf" --web-enabled
# With structured JSON extraction
docsummarizer --url "https://example.com/api-docs.html" --web-enabled --structured
Tuettu sisältö: HTML (sopeutettu), PDF, Markdown, kuvat (OCR), Office-dokumentit. Suuret kuvat kokoavat automaattisesti.
Turvallisuus: SSRF-suojaus, DNS:n uudelleensitomissuojaus, sisällön tyyppisuutin, paineistuksen purkupommisuojaus, HTML-puhdistus.
Javascript-renderöidyt sivut: Käyttö --web-mode Playwright SPA- ja React-sovelluksiin (auto-asennus Chromiumia ensimmäisen käyttökerran aikana).
Ottaa koneella luettava JSON proosan sijaan:
docsummarizer -f document.pdf --structured -o Json
Otteita: kokonaisuuksia, toimintoja, avainvirtoja, faktoja (luottamuksellisesti), epävarmuustekijöitä, kiintiöitä.
# Use a template
docsummarizer -f doc.pdf --template executive
docsummarizer -f doc.pdf -t bullets
# Specify custom word count with template:wordcount syntax
docsummarizer -f doc.pdf -t bookreport:500
docsummarizer -f doc.pdf -t executive:100
# Or use --words to override any template's default
docsummarizer -f doc.pdf -t detailed --words 300
Template Sanat paras
|----------|-------|----------|
| default Tasapainoinen yhteenveto aiheittain (2 kappaletta)
| prose ~400 Puhdas moniosainen proosa - ei metatietoa
| brief ~50 Quick 2-3 lauseen yhteenveto
| oneliner "Yhden lauseen yhteenveto"
| bullets Auto Bullet Point -lista (5-7 kappaletta)
| executive ~150 Johtokunnan tiedotustilaisuus suosituksineen
| detailed Kokonaisvaltainen ja kattava aihepiiri
| technical ~350 Tekniset dokumentit ja täytäntöönpanotiedot
| academic Akateeminen abstrakti muoto
| citations Avainlainaukset, joissa on vain lähdeviittauksia
| bookreport Kirjan raportti (asetus, hahmot, juoni, teemat)
| meeting Kokouksen muistiinpanot (päätökset, toimet, kysymykset)
| strict Token-tehokas, enintään 3 luotia, ei suojausta
Katsoaksesi kaikki saatavilla olevat mallit ja kuvaukset:
docsummarizer templates
Vertaa malleja samaan asiakirjaan käyttäen benchmark Alakomento:
docsummarizer benchmark -f doc.pdf -m "qwen2.5:1.5b,llama3.2:3b,ministral-3:3b"
Vertailukomento jäsentää asiakirjan kerran ja pyörittää sen jälkeen kutakin mallia samoilla kappaleilla tasapuolista vertailua varten. Tuotos näyttää kunkin mallin ajoituksen, sananlaskun ja sanat/sekunnin.
Käsitellään kokonaiset hakemistot:
# Use BertRag for quality
docsummarizer -d ./documents -m BertRag -v
# Fast offline batch (no LLM needed)
docsummarizer -d ./documents -m Bert -o Json --output-dir ./summaries
# Process only PDFs recursively
docsummarizer -d ./documents -e .pdf --recursive -v
Vaihtoehto Lyhyt kuvaus Oletus
|--------|-------|-------------|---------|
| --file | -f Polku dokumenttiin (DOCX, PDF, MD)
| --directory | -d Polku hakemistoon eräkäsittelyä varten
| --url | -u Verkko-osoitteen noutaminen ja tiivistäminen
| --web-enabled Ota käyttöön web nouto (tarvitaan --url) false |
| --mode | -m Yhteenvetotila: Auto, BertRag, Bert, BertHybrid, MapReduce, Rag, Iteratiivinen. Auto |
| --structured | -s Käytä strukturoitua JSON-poistamistilaa false |
| --focus Focus query for RAG mode None
| --query | -q Query-tila yhteenvetojen sijaan Ei yhtään
| --model Ollama-mallia käytetään llama3.2:3b |
| --verbose | -v Näytä yksityiskohtaiset tiedot live UI:n kanssa false |
| --config | -c Path to configuration file â € Auto-device â €
| --output-format | -o Tulostusmuoto: Consol, Text, Markdown, Json Console |
| --output-dir Output-hakemisto tiedostotuloksille Current dir
| --extensions | -e Tiedoston laajennukset erätilalle Kaikki Docling-formaatit
| --recursive | -r Prosessihakemistot rekursiivisesti false |
| --template | -t Yhteenvetomalli (oletus, lyhyt kuvaus, luodit, toimeenpanovalta jne.) default |
| --words | -w Kohteen sanaluku (yliviivataan malli) Mallin oletus
--embedding-backend Upotettava taustaosa: Onnx, Ollama Onnx |
|
|---|---|
--web-mode Web noutotila: yksinkertainen, näytelmäkirjailija Simple |
|
--analyze |
-a Run laatuanalyysi tiivistelmästä false |
Paras kattava yhteenveto täydellisestä asiakirjakattauksesta.
docsummarizer -f document.pdf -m MapReduce -v
Miten se toimii?:
Hierarkinen vähennys pitkiin asiakirjoihin:
MapReduce käyttää automaattisesti hierarkkista vähennystä erittäin pitkissä asiakirjoissa, joissa koostetut koosteet ylittävät mallin kontekstiikkunan:
100 chunks → 100 summaries → 5 batches → 5 intermediate summaries → final
Tämä säilyttää täydellisen asiakirjasisällön pituudesta riippumatta - jokainen osa on mukana lopullisessa yhteenvedossa. Työkalu arvioi rahakkeet (~4 chars/token) ja tähtää 60 prosentin konteksti-ikkunan käyttöön päästövähennystä kohden.
Plussat: Nopea, täydellinen kattavuus, rinnakkaiskäsittely, käsittelee minkä tahansa asiakirjan pituuden Miinukset: Voi jäädä väliin poikkileikkauskytkennät, hitaampi hyvin pitkille dokumenteille
Paras, kun pitää keskittyä tiettyihin aiheisiin tai esittää kohdennettu kysymys.
docsummarizer -f document.pdf -m Rag --focus "pricing and payment terms" -v
Miten se toimii?:
Milloin voit käyttää RAG:tä MapReducen kautta:
Parhaan toimintatavan skenaario |----------|-----------| "Summaroi koko tämä asiakirja" Kartan vähentäminen "Mitä tämä kertoo turvallisuudesta?" 500-sivuinen ohjekirja, joka tarvitsee kaiken karttareduktion (hierarkkisen) 500-sivuinen ohjekirja, tarvitsee erityisosan RAG-suuntaviivat Tarvitaan nopeita tuloksia, ei ole Qdrant karttaa.
LAAJENTUMINEN ei pitkien asiakirjojen käsittelystä - MapReduce käsittelee sitä hierarkkisella vähennyksellä. relevanssisuodatus: kun haluat jättää huomiotta 90 prosenttia asiakirjasta ja keskittyä siihen, mikä on erityiskysymyksessäsi tärkeää.
Plussat: Aihepainotteinen, semanttinen ymmärtäminen, uudelleenkäyttöindeksi, nopeammin tarkennetuissa kyselyissä Miinukset: Saattaa jättää sisällön pois kohderyhmän ulkopuolelta, vaatii Qdrantin, hitaamman alustavan indeksoinnin
Paras kerronta-asiakirjoille, joissa konteksti virtaa peräkkäin.
docsummarizer -f story.pdf -m Iterative -v
Varoitus: Hidasta ja voi menettää asiayhteyden pitkiin asiakirjoihin (> 10 kappaletta).
Asiakirjan tyyppi Tavoite Mode Miksi? |---------------|------|------|-----| Tekniset tiedot (50+ sivua) Koko yhteenveto Kartta Vähennä täydellistä kattavuutta Uusi/Narratiivinen Yhteenveto Kartta Vähentää tarvetta ajalliseen kontekstiin Oikeudellinen sopimus Täysi yhteenveto Kartta Vähennetään lausekkeita Oikeudellinen sopimus "Maksuehdot", "RAG" Keskittykää erityiseen osioon API-dokumentit (200 sivua) "Miten autth toimii?" Tutkimuspaperi Koko yhteenveto KarttaRakennettu, tarvitaan kaikki
Sisällön tyyppi Paras tila Notes |--------------|-----------|-------| | Fiktio/Luonnollinen MapReduce Tontti vaatii peräkkäistä kontekstia | Tekniset dokumentit Kartan vähentäminen yleiskatsausta varten, aluetukisuuntaviivojen tarkentaminen | Oikeudelliset/Sopimukset Kartan vähentäminen Jokaisella lausekkeella on merkitystä | Manuaalit LAAG-ALUEET Yleensä kysellään yksityiskohtia
Asiakirjan koko KarttaLyhennä aluekarttaa Huomautukset |---------------|-----------|-----|-------| 10 sivua 15 sivua 20 sivua molemmat nopeasti 50 sivua 45 sivua 30 sivua 200 sivua 3-5 min 1-2 min Hierarkkinen vähennys 500+ sivua 10-15 min 2-3 min Harkitkaa useita RAG-kyselyitä
docsummarizer config --output myconfig.json
Asetukset löytyvät automaattisesti:
--config vaihtoehtodocsummarizer.json nykyisessä hakemistossa.docsummarizer.json (piilotettu tiedosto)~/.docsummarizer.json (käyttäjäkoti)Esimerkki docsummarizer.json:
{
"embeddingBackend": "Onnx",
"onnx": {
"embeddingModel": "AllMiniLmL6V2"
},
"ollama": {
"model": "llama3.2:3b",
"embedModel": "mxbai-embed-large",
"baseUrl": "http://localhost:11434",
"temperature": 0.3,
"timeoutSeconds": 1200
},
"docling": {
"baseUrl": "http://localhost:5001",
"timeoutSeconds": 1200,
"pdfBackend": "pypdfium2",
"pagesPerChunk": 10,
"maxConcurrentChunks": 4,
"enableSplitProcessing": true
},
"qdrant": {
"host": "localhost",
"port": 6333,
"collectionName": "documents"
},
"processing": {
"maxHeadingLevel": 2,
"targetChunkTokens": 1500,
"minChunkTokens": 200,
"maxLlmParallelism": 2
},
"output": {
"format": "Console",
"verbose": false,
"includeTrace": false
},
"webFetch": {
"enabled": false,
"mode": "Simple",
"timeoutSeconds": 30,
"userAgent": "Mozilla/5.0 DocSummarizer/1.0"
},
"batch": {
"fileExtensions": [".pdf", ".docx", ".md", ".txt", ".html"],
"recursive": false,
"continueOnError": true
}
}
Vaihtoehto Oletus Kuvaus
|--------|---------|-------------|
| maxLlmParallelism 8 Yhtäaikaiset LLM-pyynnöt (Ollama jonottaa, joten korkeammat arvot vain jonottavat)
| maxHeadingLevel Jakaudu vain H1/H2:een. Aseta kolmeen, jos haluat olla rakeisempi.
| targetChunkTokens 0 = automaattinen laskenta (noin 25 % konteksti-ikkunasta)
| minChunkTokens 0 (auto) Minimi ennen yhdistämistä. 0 = 1/8 tavoite
## Executive Summary
- Key finding 1 with specific details [chunk-0]
- Important point 2 with numbers and dates [chunk-3]
- Critical requirement 3 [chunk-5]
## Section Highlights
- Introduction: Overview of the system architecture [chunk-0]
- Requirements: Technical specifications detailed [chunk-3]
...
## Open Questions
- What is the timeline for Phase 2?
- How does the fallback mechanism work?
### Trace
- Document: document.pdf
- Chunks: 12 total, 12 processed
- Topics: 5
- Time: 21.4s
- Coverage: 100%
- Citation rate: 1.20
Trace-metriikka: Kattavuus (% mukaan lukien), lainausprosentti (sitaatiot/pullistumat), Chunks-käsittely (RAG voi jättää osan väliin).
Malli Koko Nopeus Laatu Käyttö Tapaus
|-------|------|-------|---------|----------|
| qwen2.5:1.5b 986MB Erittäin nopea ( ~ 3s) Hyvin nopea optimoitu
| gemma3:1b 815MB Nopea ( ~ 10-luku) Reilu ( ~ 10-luku) Vaihtoehtoinen pieni malli
| llama3.2:3b 2GB Keskikokoinen ( ~ 15s) Erittäin hyvä Oletus - hyvä tasapaino
| ministral-3:3b 2.9GB Medium (~20-luku) Erittäin hyvä laatukeskeinen
| llama3.1:8b 4,7 GB Hidas ( ~45) Erinomainen Korkealaatuiset tiivistelmät
Vinkki: Nopeampiin tiivistelmiin (~3s vs ~15s)
--model qwen2.5:1.5b. Kriittisten asiakirjojen kohdalla, joissa laadulla on enemmän merkitystä, käytä--model llama3.1:8b.
# Clone the repository
git clone https://github.com/scottgal/mostlylucidweb.git
cd mostlylucidweb/Mostlylucid.DocSummarizer
# Build
dotnet build
# Run
dotnet run -- --help
Tuotannon käyttöönottoa varten ilman .NET-käyttöaikaasennusta:
# Build self-contained executable (Windows x64)
dotnet publish -c Release -r win-x64 --self-contained
# Build for Linux
dotnet publish -c Release -r linux-x64 --self-contained
# Build for macOS
dotnet publish -c Release -r osx-x64 --self-contained
Tuloste: bin/Release/net9.0/<runtime>/publish/docsummarizer
ollama serveollama listdocker run -p 5001:5001 quay.io/docling-project/docling-serve--mode Rag)docker run -p 6333:6333 -p 6334:6334 qdrant/qdrantOireet: Luodin pistettä kaikuu pikainen ("Palauta vain luotipisteitä", "sääntö on...") sen sijaan, että tiivistettäisiin sisältöä.
Syy: Malli kamppailee ripeän tai sisällön kanssa liian pitkään.
Korjaa: Oletus qwen2.5:1.5b Käsittelee useimpia asiakirjoja hyvin. --model llama3.2:3b. Katso Mallisuositukset.
Jos tiivistelmä vaikuttaa yleiseltä tai ei viittaa tiettyyn sisältöön:
Citation rate jälkituotoksessa--mode Rag), joka perustelee yhteenvetoja noudetuista kappaleista--verbose nähdäkseen, mitkä palaset jalostetaanJos tiivistelmät puuttuvat [chunk-N] Lainaukset:
llama3.2:3bCitation rate jäljettömiin - korkeammat arvot kertovat paremmasta jäljitettävyydestäqwen2.5:1.5b nopeudelle, llama3.2:3b tasapainoon, llama3.1:8b laadullemaxLlmParallelism jos kokee aikalisän
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.