mirror of
https://github.com/crewAIInc/crewAI.git
synced 2026-01-09 08:08:32 +00:00
80 lines
2.9 KiB
Plaintext
80 lines
2.9 KiB
Plaintext
---
|
|
title: DOCX RAG 검색
|
|
description: DOCXSearchTool은 DOCX 문서 내에서 의미 기반 검색을 수행하도록 설계된 RAG 도구입니다.
|
|
icon: file-word
|
|
---
|
|
|
|
# `DOCXSearchTool`
|
|
|
|
<Note>
|
|
저희는 아직 도구를 개선하는 중이므로, 예기치 않은 동작이나 변경 사항이 발생할 수 있습니다.
|
|
</Note>
|
|
|
|
## 설명
|
|
|
|
`DOCXSearchTool`은 DOCX 문서 내에서 의미 기반 검색을 수행하기 위해 설계된 RAG 도구입니다.
|
|
사용자는 쿼리 기반 검색을 통해 DOCX 파일에서 관련 정보를 효과적으로 검색하고 추출할 수 있습니다.
|
|
이 도구는 데이터 분석, 정보 관리, 연구 작업에 매우 유용하며,
|
|
대규모 문서 컬렉션에서 특정 정보를 찾는 과정을 간소화해 줍니다.
|
|
|
|
## 설치
|
|
|
|
터미널에서 다음 명령어를 실행하여 crewai_tools 패키지를 설치하세요:
|
|
|
|
```shell
|
|
uv pip install docx2txt 'crewai[tools]'
|
|
```
|
|
|
|
## 예시
|
|
|
|
다음 예시는 DOCXSearchTool을 초기화하여 모든 DOCX 파일의 내용에서 검색하거나 특정 DOCX 파일 경로로 검색하는 방법을 보여줍니다.
|
|
|
|
```python Code
|
|
from crewai_tools import DOCXSearchTool
|
|
|
|
# Initialize the tool to search within any DOCX file's content
|
|
tool = DOCXSearchTool()
|
|
|
|
# OR
|
|
|
|
# Initialize the tool with a specific DOCX file,
|
|
# so the agent can only search the content of the specified DOCX file
|
|
tool = DOCXSearchTool(docx='path/to/your/document.docx')
|
|
```
|
|
|
|
## 인자
|
|
|
|
다음 매개변수를 사용하여 `DOCXSearchTool`의 동작을 사용자 정의할 수 있습니다:
|
|
|
|
| 인자 | 타입 | 설명 |
|
|
|:---------------|:---------|:-------------------------------------------------------------------------------------------------------------------------------------|
|
|
| **docx** | `string` | _선택 사항_. 검색하려는 DOCX 파일의 경로를 지정하는 인자입니다. 초기화 시 제공하지 않은 경우, 도구는 이후에 검색을 위한 DOCX 파일의 내용 경로를 지정할 수 있도록 허용합니다. |
|
|
|
|
## 커스텀 모델과 임베딩
|
|
|
|
기본적으로 이 도구는 임베딩과 요약 모두에 OpenAI를 사용합니다. 모델을 커스터마이즈하려면 다음과 같이 config 딕셔너리를 사용할 수 있습니다:
|
|
|
|
```python Code
|
|
tool = DOCXSearchTool(
|
|
config=dict(
|
|
llm=dict(
|
|
provider="ollama", # or google, openai, anthropic, llama2, ...
|
|
config=dict(
|
|
model="llama2",
|
|
# temperature=0.5,
|
|
# top_p=1,
|
|
# stream=true,
|
|
),
|
|
),
|
|
embedder=dict(
|
|
provider="google", # or openai, ollama, ...
|
|
config=dict(
|
|
model="models/embedding-001",
|
|
task_type="retrieval_document",
|
|
# title="Embeddings",
|
|
),
|
|
),
|
|
)
|
|
)
|
|
```
|