系統維護AI平台「Krugle」新增Agentic RAG平台「Krugle Biblio」功能

## 🔹搭載Krugle Biblio的Krugle平台全貌

在加入Krugle Biblio的Krugle平台中，在執行「Krugle Search」和「Krugle Biblio」的處理程序之前，會針對包含原始碼、Excel、PDF等非結構化數據的各種檔案進行獨家的預處理。

## 🔹Krugle Biblio值得注意的三大特色

### 1）解決Excel規格書的痛點

針對以往被認為難以讓傳統AI閱讀的Excel及PDF等檔案格式，透過施加獨家預處理並將其RAG化，成功實現了資料解析。這使得這些檔案得以與LLM（大型語言模型）進行整合，進而飛躍性地提升整體系統的分析精準度。

在日本，使用Excel來編寫系統規格書與設計文件的文化根深蒂固，這也成為阻礙傳統系統遷移的主要因素。Krugle Biblio將從根本上解決這個痛點。

### 2）宛如學習了企業專屬數據的LLM般易於使用

除了以檔案為單位的預處理外，還能根據使用目的將作為資訊來源的檔案群建立成集合（Collection），並為每個集合生成向量索引（Vector Index）／知識索引（Knowledge Index）。

透過這種預處理，Agentic RAG的搜尋精準度將大幅提升，使其能夠發揮出宛如專門學習了企業專屬數據的LLM般的實用性。

### 3）透過API整合可開發多樣化的應用程式

Krugle Biblio配備了符合OpenAPI標準的標準API，可與各種應用程式進行整合或進行全新開發。目前已經在推進與聊天機器人及BI工具等多項產品的整合評估。

## 🔹Krugle Biblio的運作機制

它能夠針對企業內部的所有數據（原始碼、周邊文件、數據資料），依據不同目的進行跨部門、跨領域的關聯性梳理。隨著這項具備革命性的Krugle Biblio問世，Krugle將強力支援並推動解決被視為日本社會問題的傳統系統遷移挑戰。