כיצד Skimle מנתח את המסמכים שלך

Skimle מנצל את הכוח של LLM לניתוח המסמכים שלך. אך במקום system prompt מתוחכם, הוא מתבסס על תהליך מרובה שלבים שעובר על הנתונים שלך כדי ליצור ניתוח מובנה. כך עובד התהליך:

שלב 1: חילוץ תובנות מהמסמכים שלך

Skimle משתמש ב-LLM כדי לנתח את הנתונים שלך, בערך עמוד אחד בכל פעם, ומזהה תוכן רצוי לצד ציטוטים ישירים מהטקסט.

שלב 2: שילוב ואימות ציטוטים בתוך כל מסמך

Skimle לוקח אז את התוצאות מהשלב הקודם ומשלב ציטוטים דומים בתוך כל מסמך כדי ליצור קבוצה קוהרנטית של תובנות. בשלב זה מאומתת הדיוק של כל הציטוטים ביחס לתוכן המסמך המקורי. אם ציטוטים שחולצו על ידי LLM אינם תואמים לתוכן המסמך המקורי, Skimle מנתח את המסמך מחדש כדי למצוא ציטוט מדויק.

שלב 3: יצירת קטגוריות על בסיס התובנות שחולצו

Skimle משתמש ב-LLM ליצירת קטגוריות על בסיס התובנות שחולצו, בהתחשב בבחירות הניתוח המקוריות. לאחר מכן, כל תובנה משויכת לקטגוריה המתאימה ביותר.

שלב 4: יצירת תתי-קטגוריות על בסיס התובנות שחולצו

Skimle משתמש ב-LLM ליצירת תתי-קטגוריות על בסיס התובנות שחולצו, בהתחשב בבחירות הניתוח המקוריות. לאחר מכן, כל תובנה משויכת לתת-הקטגוריה המתאימה ביותר.

שלב 5: כתיבת תקצירי קטגוריות על בסיס התובנות שחולצו

לבסוף, Skimle כותב תקציר לכל קטגוריה. שימו לב שטבלת הפרויקט נגישה עוד לפני שהושלמה כתיבת התקצירים. עם זאת, תקבלו את האימייל רק כאשר התקצירים יהיו מוכנים.

להלן הפרטים על כל אחת מצורות הניתוח הספציפיות:

• ניתוח נושאים אוטומטי
• קטגוריות מוגדרות מראש - דדוקטיבי או אינדוקטיבי, מתוך הקטגוריות שלך או מההצעות של Skimle.
• ניתוח אג'נטי - ניתוח המכוון על ידי שאלת המחקר, עם נושאים אנליטיים וראיות נגדיות.

לאחר שהניתוח הושלם, תוכלו לחקור את התוצאות בקטע חקירה ועריכה, באמצעות תצוגת טבלה, תצוגת קטגוריות או תצוגת מסמכים. ראו עבודה עם תובנות כדי ללמוד כיצד לערוך ולסדר מחדש את התובנות שחולצו.