Dit is Deel 2 van de DocSummarizer serie. Zie Deel 1 voor de architectuur en patronen, of Deel 3 voor de diepe technische duik in inbeddingen en ophalen.
Verander documenten of URL's in samenvattingen met bewijsgrond - voor mensen of AI-agenten - zonder iets naar de cloud te sturen.
Elke claim is traceerbaar. Elk feit citeert zijn bron. Zelfstandig binair, draait volledig op uw machine.
# Human-readable summary
docsummarizer -f contract.pdf
# JSON for agents/pipelines
docsummarizer tool -u "https://docs.example.com"
Waar dit artikel over gaat: Installatie, sleutelmodi (Auto/BertRag/Bert), sjablonen en veelgebruikte cases.
Wat het niet dekt.: Volledige commando referentie, configuratie opties, probleemoplossing, architectuur details.
Voor volledige documentatie, zie de README. Voor hoe het intern werkt, zie Deel 3.
De meeste samenvattingen geven je tekst. bewijs.
[chunk-N] aanhalingstekens terug naar bronmateriaalAls u vertrouwen een samenvatting - of voer het aan een ander systeem - die van belang is.
De tool commando is speciaal ontworpen voor integratie met AI agenten, MCP servers en andere geautomatiseerde systemen. Het geeft gestructureerde JSON aan stdout met bewijs gegrond claims - perfect voor het bouwen van RAG pijpleidingen of agent tools.
# 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'
Het gereedschapscommando geeft gestructureerde JSON terug met evidence tracking:
{
"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]
Beschrijving van de optie
|--------|-------|-------------|
| --url | -u De URL om op te halen en samen te vatten
| --file | -f Bestand om samen te vatten
| --query | -q Optionele focus query
| --mode | -m Summarization mode (Auto, BertRag, Bert, BertHybrid, MapReduce, Rag, Iterative)
| --model Te gebruiken Ollama model
| --config | -c Configuratiebestandspad
evidence ID's verwijzen naar bronchunkshigh, medium, of low gebaseerd op bewijsmateriaalexecutive samenvatting heeft geen aanhalingstekens voor eenvoudig displaysuccess: false met een error berichtPython script:
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']}")
Schelppijplijn:
# 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'
Voorgebouwde native executables zijn beschikbaar vanaf GitHub releases:
Het Platform van de Architectuur Downloaden
| ---------- | -------------- | ---------- |
|---|---|---|
Windows, ARM64 docsummarizer-win-arm64.zip |
||
Linux, x64 docsummarizer-linux-x64.tar.gz |
||
Linux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . docsummarizer-linux-arm64.tar.gz |
||
MacOS x64 (Intel) docsummarizer-osx-x64.tar.gz |
||
MacOS ARM64 (Apple Silicium) 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 "."
Voor pure winningscondensatie, geen externe diensten vereist:
docsummarizer -f document.md -m Bert
ONNX modellen automatisch downloaden van HuggingFace bij eerste gebruik (~23MB). Returns in ~3-5 seconden.
Voor LLM-aangedreven aggregatie is Ollama vereist:
# Install Ollama from https://ollama.ai
ollama pull llama3.2:3b # Default model - good balance of speed/quality
ollama serve
Snelheidspunt: Voor snellere samenvattingen (~3s vs ~15s), gebruik
--model qwen2.5:1.5b
Vereist voor PDF, DOCX, XLSX, PPTX, HTML, afbeeldingen (PNG/JPG/TIFF), CSV, VTT, en AsciiDoc bestanden. Markdown- en platte tekstbestanden worden direct gelezen - geen Docling vereist.
docker run -d -p 5001:5001 quay.io/docling-project/docling-serve
Standaard niet vereist - BertRag gebruikt in-geheugenvectoren. Schakel Qdrant in voor persistente opslag om het opnieuw invoegen van documenten te voorkomen bij volgende bewerkingen:
docker run -d -p 6333:6333 -p 6334:6334 qdrant/qdrant
Vervolgens configureren in docsummarizer.json:
{
"bertRag": {
"vectorStore": "Qdrant",
"collectionName": "docsummarizer",
"persistVectors": true
}
}
Als u Ollama verkiest voor inbeddingen in plaats van ONNX:
ollama pull nomic-embed-text # Or mxbai-embed-large
# Then use: --embedding-backend Ollama
docsummarizer check --verbose
Verwachte uitvoer toont een geformatteerde tabel:
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.
Opmerking: Docling en Qdrant tonen is prima voor alleen Markdown workflows.
Uitvoeren docsummarizer zonder argumenten:
README.md in de huidige mapreadme.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
Het gereedschap evolueerde van "just MapReduce" naar een volledige pijplijn. Hier is wat elke modus eigenlijk doet:
Kies de juiste modus op basis van wat je vraagt. Gebruik dit tenzij je een reden hebt om dat niet te doen.
docsummarizer -f doc.pdf
Dit is wat je wilt voor de productie.
docsummarizer -f doc.pdf -m BertRag
docsummarizer -f doc.pdf -m BertRag --focus "payment terms"
Waarom gebruiken: Elke claim spoort terug naar een bronsegment. Geen hallucinatie. Schaalt naar een documentgrootte. LLM draait alleen aan het einde (goedkoop).
Pure extractie met behulp van lokale ONNX-modellen. Helemaal geen LLM-oproep.
docsummarizer -f doc.pdf -m Bert
Waarom gebruiken: Werkt offline. Geeft terug in ~3-5 seconden. Deterministisch (zelfde invoer = dezelfde uitvoer). Goed genoeg voor snelle scans.
BERT extracten, LLM polijsten. Middengrond tussen Bert en BertRag.
docsummarizer -f doc.pdf -m BertHybrid
De originele modi. Werkt nog steeds, maar BertRag verving ze voor de meeste use cases.
docsummarizer -f doc.pdf -m MapReduce # Full coverage
docsummarizer -f doc.pdf -m Rag --focus "query" # Legacy focused mode
Stel in plaats van een samenvatting vragen over een document:
docsummarizer -f manual.pdf --query "How do I install the software?"
Samengevat webpagina's direct zonder te downloaden:
# 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
Ondersteunde inhoud: HTML (geanimeerd), PDF, Markdown, afbeeldingen (OCR), Office documenten. Grote afbeeldingen automatisch verkleind.
Veiligheid: SSRF bescherming, DNS rebinding bescherming, content-type leging, decompressie bom bescherming, HTML sanitization.
JavaScript-rendered pagina'sGebruik --web-mode Playwright voor SPA's en React-apps (auto-installeert Chroom bij eerste gebruik).
Uitpakken machineleesbaar JSON in plaats van proza:
docsummarizer -f document.pdf --structured -o Json
Extracten: entiteiten, functies, sleutelstromen, feiten (met betrouwbaarheidsniveaus), onzekerheden, quotable passages.
# 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
Sjabloon Words Best For
|----------|-------|----------|
| default Uitgebalanceerde samenvatting met onderwerpen (2 alinea's)
| prose Schoon multi-paragraf proza - geen metadata
| brief Quality over Quantity (QoQ) Releases Quantity (QoQ) Releases Vertaling:
| oneliner 25 samenvatting van één zin
| bullets Auto Bullet point list (5-7 items)
| executive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
| detailed Uitgebreid met volledige onderwerpen
| technical Technische documenten met implementatiedetails
| academic Quality over Quantity (QoQ) Releases Vertaling:
| citations Belangrijkste citaten met alleen bronaanhalingstekens
| bookreport Boekverslag (setting, karakters, plot, thema's)
| meeting Ontmoetingsnotities (besluiten, acties, vragen)
| strict Token-efficiënt, 3 kogels max, geen deksel
Alle beschikbare sjablonen met beschrijvingen bekijken:
docsummarizer templates
Vergelijk modellen op hetzelfde document met de benchmark subopdracht:
docsummarizer benchmark -f doc.pdf -m "qwen2.5:1.5b,llama3.2:3b,ministral-3:3b"
Het benchmark commando ontleedt het document eenmaal en draait vervolgens elk model op dezelfde brokken voor een eerlijke vergelijking. Output toont timing, woordtelling en woorden/seconde voor elk model.
Bezig met het verwerken van volledige mappen:
# 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
Option Short Omschrijving Standaard
|--------|-------|-------------|---------|
| --file | -f Pad naar document (DOCX, PDF, MD)
| --directory | -d Pad naar map voor batchverwerking -
| --url | -u Web-URL om op te halen en samen te vatten
| --web-enabled Inschakelen van web fetching (vereist voor --url) false |
| --mode | -m Summarization mode: Auto, BertRag, Bert, BertHybrid, MapReduce, Rag, Iterative Auto |
| --structured | -s Gebruik gestructureerde JSON extractiemodus false |
| --focus Focus query voor RVS-modus Geen
| --query | -q Zoekmodus in plaats van verduistering Geen
| --model Te gebruiken Ollama model llama3.2:3b |
| --verbose | -v Toon gedetailleerde vooruitgang met live UI false |
| --config | -c Pad naar configuratiebestand Auto-ontdekken
| --output-format | -o Uitgangsformaat: Console, Text, Markdown, Json Console |
| --output-dir Uitgangsmap voor bestandsuitvoer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
| --extensions | -e Bestandsextensies voor batch-modus Alle Docling-formaten
| --recursive | -r Verloop directories recursief false |
| --template | -t Samenvatting sjabloon (standaard, kort, kogels, uitvoerend, enz.) default |
| --words | -w Aantal targetwoorden (overschrijft sjabloon) Sjabloon standaard
--embedding-backend Inbedding backend: Onnx, Ollama Onnx |
|
|---|---|
--web-mode Web fetch mode: Eenvoudig, Playwright Simple |
|
--analyze |
-a De kwaliteitsanalyse uitvoeren op samenvatting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . false |
Beste voor uitgebreide samenvattingen met volledige documentdekking.
docsummarizer -f document.pdf -m MapReduce -v
Hoe het werkt:
Hiërarchische reductie voor lange documenten:
Voor zeer lange documenten waar de gecombineerde brok samenvattingen het contextvenster van het model overschrijden, maakt MapReduce automatisch gebruik van hiërarchische reductie:
100 chunks → 100 summaries → 5 batches → 5 intermediate summaries → final
Dit behoudt volledige documentdekking, ongeacht de lengte - elke brok draagt bij aan de definitieve samenvatting. De tool schat tokens (~4 tekens/token) en targets 60% context venster gebruik per reductie pas.
Voordelen: Snel, volledige dekking, parallelle verwerking, behandelt elke documentlengte Cons: Kan doorsnede verbindingen missen, langzamer voor zeer lange documenten
Het beste als je je moet concentreren op specifieke onderwerpen of een gerichte vraag hebt.
docsummarizer -f document.pdf -m Rag --focus "pricing and payment terms" -v
Hoe het werkt:
Wanneer moet u RAG over MapReduce gebruiken?:
Scenario Best Mode |----------|-----------| "Summarise this whole document" MapVerminderen "Wat zegt dit over beveiliging?" De handleiding van 500 pagina's heeft alles nodig.MapVerminderen (hiërarchisch) De handleiding van 500 pagina's heeft een specifieke sectie nodig. Snel resultaat nodig, Qdrant niet hebben KaartVerminderen
RAG is niet over het omgaan met lange documenten - MapReduce behandelt dat met hiërarchische reductie. RAG is ongeveer relevante filtering: wanneer je 90% van een document wilt negeren en je wilt concentreren op wat belangrijk is voor je specifieke vraag.
Voordelen: Topic-gericht, semantisch begrip, hergebruik index, sneller voor gerichte queries Cons: Kan inhoud missen buiten focusgebied, vereist Qdrant, langzamere initiële indexering
Beste voor narratieve documenten waar context sequentieel stroomt.
docsummarizer -f story.pdf -m Iterative -v
Waarschuwing: Trager en kan de context verliezen op lange documenten (> 10 brokken).
Type document Doel Mode waarom |---------------|------|------|-----| Technische specificaties (50+ pagina's) Volledige samenvatting KaartVerminderen Volledige dekking Nieuw/Narratief Volledige samenvatting van de kaartVerminderen van de tijdscontext Legaal contract Volledige samenvatting KaartVerminderen Kan geen clausules missen Legal contract "Payment terms?" . . . . . Focus op specifieke sectie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Content Type Best Mode Notes |--------------|-----------|-------| | Fictie/Narratief KaartVerminderen Plot vereist sequentiële context | Technische documenten MapVerminderen voor overzicht, repareren voor specifieke gegevens | Juridische zaken/Contracten KaartVerminderen Elke clausule is van belang | Handleidingen Meestal quering voor specifieke gegevens
Documentgrootte KaartVerminderen Notities |---------------|-----------|-----|-------| 10 pagina's 15's 20's beide snel 50 pagina's . 45s . 30s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 pagina's . 3-5 min . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 500+ pagina's 10-15 min . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
docsummarizer config --output myconfig.json
Configuratie wordt automatisch ontdekt van:
--config optiedocsummarizer.json in huidige map.docsummarizer.json (verborgen bestand)~/.docsummarizer.json (gebruiker thuis)Voorbeeld 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
}
}
Option Standaard Beschrijving
|--------|---------|-------------|
| maxLlmParallelism 8 . . . . . . LLM verzoeken (Ollama wachtrijen, dus hogere waarden gewoon wachtrij) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
| maxHeadingLevel Gespleten op H1/H2 alleen. Zet op 3 voor fijnere korreligheid
| targetChunkTokens 0 (auto) Doelblokgrootte. 0 = automatisch berekenen (~25% van het contextvenster)
| minChunkTokens Minstens 0 (auto) voor de fusie. 0 = 1/8 van het doel
## 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-metrics: Dekking (% secties inbegrepen), Citation rate (citaties/bullet), Chunks verwerkt (RAG kan sommige overslaan).
Model Grootte Snelheid Kwaliteit Gebruikscase
|-------|------|-------|---------|----------|
| qwen2.5:1.5b Erg snel (~3s) Goede snelheid geoptimaliseerd
| gemma3:1b Fast (~10s) Fair (~10s) Alternatief klein model
| llama3.2:3b 2GB Medium (~15s) Very Good Standaard - goed evenwicht
| ministral-3:3b 2,9GB Medium (~20s) Very Good, Quality-focused
| llama3.1:8b Quality over Quantity (QoQ) Releases Vertaling:
Tip: Voor snellere samenvattingen (~3s vs ~15s), gebruik
--model qwen2.5:1.5b. Voor kritische documenten waar kwaliteit belangrijker is, gebruik--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
Voor productie-implementatie zonder .NET runtime installatie:
# 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
Uitvoer: 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/qdrantSymptomen: Bullet points echo de prompt ("Return only bullet points," "The rule is...") in plaats van samenvatting van de inhoud.
Oorzaak: Model worstelt met de prompt of inhoud te lang.
Repareren: De standaard qwen2.5:1.5b behandelt de meeste documenten goed. Voor problematische documenten, probeer --model llama3.2:3b. Zie Modelaanbevelingen.
Als de samenvatting generiek lijkt of niet naar specifieke inhoud verwijst:
Citation rate in trace-uitvoer--mode Rag) die samenvattingen in opgehaalde stukken rechtvaardigt--verbose om te zien welke brokken worden verwerktIndien samenvattingen ontbreken [chunk-N] aanhalingstekens:
llama3.2:3bCitation rate in spoor - hogere waarden wijzen op een betere traceerbaarheidqwen2.5:1.5b voor snelheid, llama3.2:3b voor evenwicht, llama3.1:8b voor kwaliteitmaxLlmParallelism als er sprake is van time-outs
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.