如何在CrewAI中使用PDFSearchTool处理多个PDF文件？

实现步骤 #

• 批量构建统一检索索引
  复用PDFSearchTool已验证的单文件处理逻辑，循环遍历所有目标PDF，将每个文件生成的检索单元（如向量片段、关键词索引）合并到一个全局索引集合中。伪代码示例：

  target_pdfs = ["report_2023.pdf", "manual_v1.pdf", "case_study.pdf"]
  unified_search_index = []
  for pdf_path in target_pdfs:
      # 调用单PDF处理方法生成索引
      single_pdf_index = PDFSearchTool.process_single_pdf(pdf_path)
      unified_search_index.extend(single_pdf_index)
  

• 适配多索引查询逻辑
  当用户发起查询时，将问题在unified_search_index中执行检索，把所有匹配到的相关内容片段汇总，作为上下文传入LLM。
• 严格约束LLM输出边界
  在给LLM的prompt中明确限定回答范围：请仅基于以下从指定PDF中检索到的内容回答，不得使用任何外部信息：，随后拼接检索到的所有相关片段。

幻觉规避优化 #

• 给每个检索片段添加来源标识（如[来源：report_2023.pdf 第5页]），强化LLM对信息来源的认知，减少无依据输出。
• 增加检索结果的相关性过滤，仅保留与问题匹配度高于阈值的片段，降低冗余信息引发幻觉的概率。

内容的提问来源于stack exchange，提问作者Gian