既然我們已經介紹了檔案類型和格式，現在讓我們深入瞭解文字預處理。這是我們清理和簡化每個文件內容的步驟，讓您的經紀人更容易理解和擷取正確的資訊。

首先，必須移除任何不相關的資料。想想您文件中的每項內容對於回答使用者的潛在問題是否有用。例如，如果您想要回答關於產品目錄的問題，不直接相關的法律免責聲明可能會造成問題。移除這些內容可以大幅減少雜訊，讓您的資料集更乾淨、更容易搜尋。清理任何額外的元資料，以及可能在索引過程中造成干擾的頁尾或頁首也是個好主意。

這個過程的另一個重要部分是簡化文字本身。術語、技術性語言或過於複雜的句子有時候會造成歧義。如果文件太複雜，不僅會減慢處理速度，也可能導致答案不清楚。除非是絕對重要的詞彙，否則請考慮重寫密集的部分或移除特定產業的詞彙。

如果您的文件包含冗長的段落或複雜的句子，使用自動簡化工具甚至可能會有所幫助。這些工具可以將密集的語言分解成更短小、更清楚的陳述，讓Botpress 更容易分塊和準確詮釋內容。

簡而言之，這裡的目標是讓文字儘可能直接且相關。透過移除不必要的資料和簡化語言，您就可以建立一個精簡、重點明確的資料集，進而提升檢索效能和精確度。

請記住，一個好的經驗法則是將您的 AI 代理視為一個全新的同事，完全不瞭解您的產品、產業或業務。