用途：构建智能聊天界面，让用户用自然语言查询和交互文档，把静态文档变成可对话的知识源。适用于 PDF 问答、邮件检索、GitHub 仓库探索、知识库访问、合同审阅、研究助手等场景。
主要能力：文档处理（从 PDF、GitHub 仓库、邮件、网页、YouTube/音频提取文本，支持 OCR 与表格提取）；文本清洗与分块、元数据提取、结构保留；对话管理（维护历史、问题改写、基于文档上下文生成回答并附来源引用）；用户体验功能（引用来源、澄清追问、错误处理）。
使用方式：资料给出三种实现框架示例。LangChain 用 PDFLoader、CharacterTextSplitter、OpenAIEmbeddings、Chroma、ChatOpenAI 和 ConversationalRetrievalChain 构建问答链；LlamaIndex 用 SimpleDirectoryReader、GPTVectorStoreIndex 和 ChatMemoryBuffer 创建带记忆的聊天引擎；RAG 方案用 SentenceTransformer、faiss 做向量检索后拼接上下文交给 LLM 生成回答。
限制：资料未提供具体收费、价格、平台支持范围或效果数据；示例依赖外部库与模型（如 OpenAI、gpt-4），实际可用性取决于这些依赖。常见挑战包括答案不相关、多轮上下文丢失、长文档与上下文窗口限制，资料给出改进检索、维护记忆、分层分块等应对思路。