Revu en MCP

Met de Bluebeam Model Context Protocol (MCP)-server kunt u AI-modellen vragen om krachtige, meerstapsworkflows uit te voeren in Revu 21.9 of later. Deze prompts elimineren de noodzaak van complexe scripts of technisch vernuft, waardoor geavanceerde automatisering toegankelijk wordt voor Bluebeam Max-gebruikers.

Zie de Algemene FAQ voor informatie over de taken die u met MCP kunt uitvoeren.

Zie het Overzicht AI en MCP's voor meer informatie over MCP's en hoe alle elementen samenwerken.

Deze functie is alleen beschikbaar met een Bluebeam Max-abonnement.

Koppel Revu aan AI-modellen om uw PDF-workflows te verbeteren. Doe het volgende om Revu en het AI-model samen te gebruiken:

Meld u aan voor het AI-model (indien vereist).
Download de desktopapplicatie voor het AI-model (indien beschikbaar).
Configureer Revu en het AI-model om de MCP-koppeling toe te staan.

Gebruik de onderstaande koppelingen om Revu en AI-modellen in te stellen.

Prompts

Prompts zijn berichten die het AI-model vertellen hoe een specifieke workflow moet worden uitgevoerd. Met natuurlijke taal kunt u prompts maken die taken afhandelen, zoals:

Documenten analyseren
Belangrijke informatie verzamelen
Markeringen ordenen
Samenvattingen of rapporten maken
Problemen of inconsistenties identificeren
Inhoud herschrijven of een nieuwe opmaak geven

Gebruik prompts in Revu om:

Vervelende taken te automatiseren: Elimineer uren repetitief werk door AI stappen te laten afhandelen die normaal gesproken handmatige inspanning vereisen.
Consistentie tussen teams te verbeteren: Prompts standaardiseren hoe taken worden uitgevoerd, waardoor fouten en variaties tussen individuen worden verminderd.
De drempel voor complexe workflows te verlagen: u hoeft geen AI- of Revu-expert te zijn: gebruik natuurlijke taal om prompts te maken die geavanceerde functionaliteit vereenvoudigen tot één actie.
De productiviteit te verhogen: meer automatisering → snellere output → meer tijd voor waardevoller werk.
Innovatie en kennisdeling te stimuleren: gebruikers kunnen samen prompts indienen en verfijnen, waardoor een voortdurend groeiende workflowtoolkit ontstaat.
Een gecentraliseerde workflowbibliotheek te bouwen: De AI Prompts Library wordt een enkele bron van waarheid voor beste praktijken, herbruikbare workflows en teamkennis.

Prompts zorgen voor consistentie en tijdbesparing, vooral voor workflows die vaak worden herhaald.

Beste praktijken voor prompts

MCP-prompts kunnen complexe, geautomatiseerde workflows in Revu ontsluiten als ze duidelijk en doelbewust zijn geschreven. Gebruik deze beste praktijken om prompts te maken die betrouwbaar, herhaalbaar en gemakkelijk over te nemen zijn door anderen.

Begin met een duidelijk doel: definieer precies wat u met de prompt wilt bereiken. Een sterke prompt helpt het AI-systeem om uw instructies nauwkeurig te interpreteren.
- Welk probleem moet deze prompt oplossen?
- Welke output of transformatie kan ik verwachten?
Wees specifiek: Precieze instructies leiden tot consistente resultaten. Omschrijf duidelijk:
- Invoer
- Stappen
- Uitvoeropmaak
- Beperkingen of regels
Vermijd aannames en leg elke vereiste duidelijk vast.
Geef context: Voeg relevante details in, zoals:
- Bestandstypen
- Documentstructuur
- Naamgevingsconventies
- Projectspecifieke overwegingen
Splits complexe taken op: als een workflow uit meerdere stappen bestaat, geef dan elke stap aan. Opeenvolgende instructies leiden tot een betrouwbaarder resultaat dan één lange alinea.
Gebruik consistente terminologie: gebruik in de hele prompt dezelfde termen. Schakel bijvoorbeeld niet tussen "markeringen", "annotaties" en "notities".
Benoem de verwachte output: Vertel het AI-model:
- Wat u wilt
- Wat het niet moet doen
- Hoe het eindresultaat gestructureerd moet zijn
Dit helpt zowel het AI-model als iedereen die uw prompt bekijkt.
Controleer de resultaten: Behandel de AI-uitvoer als een concept dat door mensen moet worden gecontroleerd. AI kan fouten maken en het werk ervan moet altijd op nauwkeurigheid worden gecontroleerd.
Test voordat u deelt: Voer de prompt meerdere keren uit om consistente resultaten te krijgen. Vereenvoudig of verduidelijk de stappen bij onvoorspelbaar gedrag.
Maak en gebruik vaardigheden: Als u een complexe prompt succesvol hebt uitgevoerd die u of uw team in de toekomst opnieuw wil gebruiken, maak dan een vaardigheid of Agent Flow. Raadpleeg de helpdocumentatie voor uw gekozen AI-model voor meer informatie.
Documenteer technische vereisten: Help anderen uw workflow te reproduceren door te vermelden:
- Revu-versie
- MCP-configuratie
- Eventuele instellingen die vereist zijn voor gebruik
Blijf verbeteren: Prompts evolueren. Bekijk uw prompts regelmatig opnieuw om de instructies te verfijnen naarmate hulpmiddelen en workflows veranderen.

Beste praktijken voor AnythingLLM

Om de MCP-server te gebruiken, roept u de agentmodus aan door @agent voor uw prompt te typen of door Agentsessie starten onder aan het chatvenster te selecteren.
Verwijs direct naar MCP-hulpmiddelnamen in de prompt. Om te leren hoe u een lijst van MCP-hulpmiddelen kunt zien in Anything LLM, zie De Bluebeam MCP-server in AnythingLLM beheren.
Meer expliciete en deterministische prompts leveren over het algemeen betrouwbaardere resultaten op dan brede gespreksverzoeken.
Complexe of herhaalbare workflows werken het beste als slash-opdrachten, opgeslagen tools of herbruikbare promptsjablonen. Dit zorgt voor een consistentere uitvoering dan alleen conversatiegericht prompten.
Vermijd grote workflows met meerdere stappen. AnythingLLM kan moeite hebben met grote workflows binnen één commando. Workflows opdelen in kleinere stappen verbetert over het algemeen consistentie en betrouwbaarheid.
Dynamische waarden, zoals huidige datum, werkruimtevariabelen of omgevingsvariabelen, moeten expliciet worden vermeld in de prompt. Ga er niet van uit dat het model automatisch verwijst naar systeemtijd of werkruimtevariabelen, tenzij deze duidelijk zijn gedefinieerd.

Tokens

Beschouw tokens als de valuta voor gesprekken met de meeste AI-modellen. Elk woord, leesteken, beeld, bijlage, enz. bestaat uit een bepaald aantal tokens. Wanneer u een bericht of bijlage verstuurt, "besteedt" u tokens. Langere berichten en documenten kosten meer tokens dan kortere. Wanneer het AI-model antwoordt op uw bericht, "besteedt" het ook tokens om het antwoord te genereren. Een gedetailleerd antwoord kost meer tokens dan een simpel "Ja"-antwoord.

Het aantal beschikbare tokens hangt af van uw gekozen AI-model en uw abonnement bij die AI-aanbieder.

Bluebeam kan het aantal gebruikte tokens in een gesprek niet beheren, uw tokenbudget niet vernieuwen en u niet laten weten hoeveel tokens u nog over heeft.

Sommige AI-modellen gebruiken geen tokensysteem, maar kunnen uw interacties nog steeds beperken. Raadpleeg de helpdocumentatie voor uw gekozen AI-model voor meer informatie.

Om te leren hoe u prompts maakt zonder veel tokens uit te geven, zie Handige tips voor het besparen van tokens.

Handige tips voor het besparen van tokens

Gebruik deze tips om tokens te besparen om AI-modellen zo efficiënt mogelijk te prompten:

Begin met een schoon document: Voordat u uw prompt schrijft, raden we aan om uw pdf op te schonen (OCR uitvoeren, oude markeringen plat maken of onnodige pagina's verwijderen). Een schoner document gebruikt aanzienlijk minder tokens.
Start nieuwe gesprekken: AI-modellen lezen, telkens wanneer u een nieuw bericht verstuurt, de volledige chatgeschiedenis opnieuw in. Zodra u klaar bent met een taak, start u een nieuwe chat voor uw volgende taak. Zo voorkomt u dat er, vanwege de context van de vorige taak, in uw nieuwe verzoek extra token worden verbruikt.
Wees specifiek en beknopt: Brede vragen leiden vaak tot langere antwoorden die uw tokenbudget opslokken. In plaats van te zeggen "Vertel me iets over dit pdf-bestand", kunt u beter zeggen: "Vat de drie belangrijkste veiligheidseisen in dit pdf-bestand samen in punten". Kortere, gerichte prompts verbruiken minder invoertokens, en specifieke beperkingen zorgen voor kortere, efficiëntere uitvoer.
Gebruik "selectieve" OCR: Als u met gescande documenten werkt, moet het AI-model de tekstversie van die afbeeldingen verwerken. Voer OCR alleen uit op de specifieke pagina's die u wilt analyseren in plaats van op het hele document. Dit vermindert de hoeveelheid "pdf-tekst"-gegevens die via de MCP worden verzonden.
Verklein uw bestand bestand: Verwijzen naar een pdf van 100 pagina's kan veel tokens kosten. Gebruik de functie Pagina's uitpakken in Revu om een kleinere pdf te maken die alleen de relevante gedeelten bevat voordat u het AI-model vraagt om deze te analyseren.
Beperk de reikwijdte van de MCP-hulpmiddelen: Het AI-model hoeft niet altijd alles in uw bestand te kunnen zien om een vraag te beantwoorden. Als u bijvoorbeeld alleen een vraag heeft over markeringen, zeg dan: "Bekijk alleen de metadata van de Lijst met markeringen om de status van de elektrische items te vinden". Zo voorkomt u dat de MCP onnodige paginatekst of projectbestanden kan extraheren en verzenden.
Vermijd "chatten" met het AI-model: Sla formaliteiten zoals "Hallo, hoe gaat het vandaag?" en "Hartelijk dank!" over en start direct met de instructie. Elk woord, inclusief "Hallo" en "Alstublieft", telt als een token.
Bewerken, niet antwoorden: Als het AI-model u een antwoord geeft dat te lang is of er iets naast zit, ga dan met de muis over uw verzonden bericht en klik op Bewerken om uw vraag aan te passen in plaats van een nieuw bericht te sturen. Zo "overschrijft" u het vorige lange antwoord en voorkomt u dat uw tokengeschiedenis verdubbelt.
Vraag eerst om een schets: Vraag het AI-model om "Eerst een schets van het plan te maken". om te voorkomen dat het AI-model een grote hoeveelheid tokens zou uitgeven aan een enorm rapport dat de verkeerde kant op ging.

Zie voor meer beste praktijken voor AI-prompts en tokenbesparende promptsjablonen Overzicht AI-prompts.

Sjablonen voor tokenbesparende prompts

In een standaard chatinterface, gebruikt u deze sjablooninstructies om te besparen op uw tokenbudget.

Sjabloon voor snelle samenvattingen
Gebruik deze prompt om een document of een set markeringen snel te doorgronden:
"Vat in de actieve pdf in Revu [onderwerp invoegen, bijv. de structurele markeringen] samen.
- Geef het antwoord in een opsommingslijst.
- Wees bondig: gebruik geen inleidende of afsluitende zinnen.
- Focus alleen op [specifiek detail invullen, bijv. open statusitems]".

Sjabloon voor gegevensextractie
Gebruik deze prompt om in een groot aantal projectbestanden specifieke waarden of datums te vinden:
"Scan de actieve pdf in Revu op [item invoegen, bijvoorbeeld alle gespecificeerde betonnen oppervlakken].
- Reageer met behulp van een eenvoudige tabel met twee kolommen: [Kolom A] en [Kolom B].
- Beschrijf niet hoe u de gegevens heeft gevonden.
- Als de informatie niet wordt gevonden, reageer dan alleen met 'Niet gevonden'".

Sjabloon voor probleemspotter
Gebruik deze prompt om inconsistenties in tekeningen of markeringsstatussen te vinden:
"Controleer de [onderwerp invoegen, bijvoorbeeld paginalabels] voor eventuele duplicaten of ontbrekende reeksen.
- Vermeld alleen de gevonden fouten.
- Beperk uw totale reactie tot minder dan 100 woorden.
- Als er geen fouten zijn, antwoord dan met 'Geen problemen gedetecteerd'".

Waarom deze werken:

AI-modellen reageren doorgaans met beleefde introducties ("Zeker! Ik heb uw document geanalyseerd en het volgende gevonden... "). Door de regel "geen intro" te gebruiken, bespaart u ongeveer 15-20 tokens per bericht.
Tabellen zijn vaak tokenefficiënter dan uitgebreide alinea's omdat ze overbodige woorden weglaten.
De meest efficiënte manier om tokens te besparen is als u het AI-model vertelt wat het niet moet doen door specifieke beperkingen te benoemen.

Het Model Context Protocol (MCP) is ontwikkeld vanuit een "Beveiligingsgerichte" filosofie. Door Revu aan een AI-model te koppelen, geeft u het AI-model geen onbeperkte toegang tot uw computer of account. In plaats daarvan creëert het een afgebakend, gecontroleerd kanaal dat alleen toegang biedt tot specifieke gegevens die u opvraagt.

Zie voor meer informatie de Veelgestelde vragen over beveiliging.

Disclaimer: Privacy-instellingen en beleidsregels voor gegevensgebruik voor AI-modellen kunnen worden gewijzigd door de aanbieder. De onderstaande informatie is per 2 juni 2026 actueel. Omdat deze platforms hun interfaces en servicevoorwaarden regelmatig bijwerken, raden we u ten zeerste aan om deze informatie rechtstreeks bij uw LLM-provider te verifiëren.

U bent de poortwachter

De verbinding tussen Revu en het AI-model staat volledig onder uw controle.

Het model kan uw gegevens niet zelfstandig doorzoeken. Het heeft alleen toegang tot uw gegevens wanneer u een specifiek commando geeft waarvoor die gegevens nodig zijn.
De MCP-server draait lokaal op uw machine en verzendt alleen de specifieke tekst en metagegevens die nodig zijn om uw verzoek te voltooien.
U bepaalt welke MCP-vaardigheden het AI-model kan benaderen en kunt goedkeuren of weigeren dat het AI-model opdrachten uitvoert. De meeste AI-modellen stellen u in staat om specifieke Bluebeam MCP-vaardigheden in of uit te schakelen en kunnen worden geconfigureerd om uw toestemming te vragen voordat ze tools uitvoeren of commando's uitvoeren. Raadpleeg de helpdocumentatie voor uw gekozen AI-model voor meer informatie.

Gegevensprivacy en modeltraining

Een van de meest voorkomende zorgen is of uw privégegevens zullen worden gebruikt om toekomstige versies van een AI-model te trainen. Dit hangt grotendeels af van uw gekozen AI-model en u dient de helpfunctie van het model te raadplegen voor meer informatie.

Bij gebruik van cloud-aanbieders (zoals Claude, OpenAI, enz.)

U moet er handmatig voor zorgen dat uw privacy-instellingen zijn geconfigureerd om training te voorkomen:

Afzien van training: Voor de meeste AI-modellen kunt u het gebruik van uw gegevens voor training uitschakelen en nog steeds ten volle profiteren van MCP. Ongeacht deze instelling, kan het hele gesprek naar het AI-model worden verzonden voor training, als u ervoor kiest om positieve of negatieve feedback te geven op een reactie.
Verwijder gesprekken: bij de meeste AI-modellen worden verwijderde chats niet gebruikt voor toekomstige modeltraining, zelfs niet als u heeft gekozen voor het trainen en verbeteren van het AI-model.
Gebruik incognitochats: Incognitochats (ook wel privé- of tijdelijke chats genoemd) worden niet opgeslagen in uw chatgeschiedenis of in het geheugen van het AI-model, en ze worden niet gebruikt voor toekomstige modeltraining, zelfs niet als u hebt gekozen voor het trainen en verbeteren van het AI-model. Incognitochats zijn functieafhankelijk en zijn mogelijk niet beschikbaar in alle AI-modellen.

Zie voor meer informatie de Veelgestelde vragen over beveiliging.

Als u gebruikmaakt van lokale aanbieders (zoals Ollama, Anything LLM Local Engine)

Platforms zoals AnythingLLM bieden de mogelijkheid om AI-modellen op uw lokale hardware te hosten en uit te voeren.

Geen datalekken: bij gebruik van een lokaal model verlaten uw gegevens uw machine nooit.
Geen training: Omdat het model op uw lokale machine draait, is er geen externe server om uw projectgegevens te ontvangen of te trainen.

Algemene veelgestelde vragen

Welke acties kan ik uitvoeren met AI en Revu?

De MCP-server kan de volgende hulpmiddelen gebruiken om acties uit te voeren in Revu. Om te zien welke tool beschikbaar is in uw gekozen AI-model, raadpleegt u het "Instellen"-artikel voor dat model.

Documentinformatie en -analyse
get_page_count	Retourneer het totale aantal pagina's in de pdf.
get_page_information	Geef per pagina pagina-informatie weer, zoals maten, rotatie en andere eigenschappen.
save_as_text	Extraheer de onderliggende tekstinhoud van specifieke pagina's of het hele document.
Beheer van markeringen
opmaak toevoegen	Een nieuwe markering maken.
add_markup_capture	Een beeld of mediabestand bijvoegen aan een bestaande markering.
create_markup_thumbnail	Genereer een PNG-afbeelding van een specifieke markering om een voorbeeld van te bekijken.
delete_markup	Verwijder een specifieke markering.
get_opmaak_vorm	Retourneer de geometrische gegevens (punten, breedte, hoogte, rotatie) van een bestaande markering.
list_markups_in_pdf	Geef gedetailleerde informatie over markeringen, inclusief eigenschappen zoals type, auteur, opmerkingen, kleuren, positie.
set_markup_property	Wijzig markeringseigenschappen zoals kleuren, doorzichtigheid, lijndikte, auteur, onderwerp, opmerkingen en lijnstijlen.
set_markup_shape	De geometrie of positie van een bestaande markering wijzigen.
Beheer van statussen en workflows
export_state_models	Exporteer de workflowstatusmodellen, zoals beoordelingsprocessen en hun statussen naar een extern bestand.
get_markup_state	Haal de volledige statusgeschiedenis op voor een specifieke markering.
import_state_models	Laad statusstatussen en modellen uit een extern bestand.
list_state_models_in_pdf	Toon beschikbare workflowstatusmodellen, zoals beoordelingsprocessen en hun mogelijke statussen.
set_markup_state	Wijzig de workflowstatus van markeringen (bijvoorbeeld van "Open" in "Beoordeeld" in "Gesloten").
Verwerking van inhoud
Zoeken	Zoeken naar tekst in het document.
Stempel	Pas stempelafbeeldingen toe op pagina's met controle over positie, rotatie, schaal, doorzichtigheid en mengmodi.
Kleurbeheer
color_process_analyze	Analyseer en identificeer alle kleuren die in de onderliggende pdf-inhoud worden gebruikt.
color_process_modify	Wijzig kleuren batchgewijs in het hele document (handig voor het bijwerken van tekennormen of huisstijl).
Studio-projecten zoeken en Studio-sessies
list_studio_projects	Vermeld alle Studio-projecten waar de gebruiker toegang toe heeft.
list_studio_sessions	Maak een lijst van alle Studio-sessies waartoe de gebruiker toegang heeft.
open_file	Open en activeer het opgegeven pdf-bestand in Revu. Als het bestand in een DMS is opgeslagen, wordt het uitgecheckt.
studio_project_search	Zoek in het Studio-project dat is opgegeven met de project-ID.
Documentbewerking
create_bookmarks	Maak bladwijzers aan met paginalabels of de tekst binnen een gedefinieerd gebied van een pdf.
redact	Redigeer alle oppervlakten op gespecificeerde pagina's die zijn gemarkeerd met Redact-markeringen.
set_page_labels	Stel paginalabels in, inclusief alle opties voor nummering.
Afmetingen
set_page_scale	Stel de schaal voor uw document in met een vooraf ingestelde of aangepaste schaal.
Aangepaste kolommen
aangepaste_kolommen_exporteren	Extraheer de definities en instellingen van door de gebruiker gemaakte aangepaste kolommen in de Lijst met markeringen naar een extern bestand.
aangepaste kolommen importeren	Laad aangepaste kolommen vanuit een extern bestand in de Lijst met markeringen van het huidige document.

Veelgestelde vragen over beveiliging

Zal het AI-model mijn gegevens gebruiken om te trainen?

Als u het AI-model toestemming geeft om uw gegevens te gebruiken voor training, kan het alleen de inhoud van uw promptsessies en uw PDF-tekstgegevens gebruiken die beschikbaar zijn gesteld door de MCP-serverhulpmiddelen.

U kunt voorkomen dat de meeste AI-modellen uw gegevens gebruiken voor modeltraining op de volgende manieren:

Afzien van training: Voor de meeste AI-modellen kunt u het gebruik van uw gegevens voor training uitschakelen en nog steeds ten volle profiteren van MCP. Ongeacht deze instelling, kan het hele gesprek naar het AI-model worden verzonden voor training, als u ervoor kiest om positieve of negatieve feedback te geven op een reactie.
Verwijder gesprekken: bij de meeste AI-modellen worden verwijderde chats niet gebruikt voor toekomstige modeltraining, zelfs niet als u heeft gekozen voor het trainen en verbeteren van het AI-model.
Gebruik incognitochats: Incognitochats (ook wel privé- of tijdelijke chats genoemd) worden niet opgeslagen in uw chatgeschiedenis of in het geheugen van het AI-model, en ze worden niet gebruikt voor toekomstige modeltraining, zelfs niet als u hebt gekozen voor het trainen en verbeteren van het AI-model. Incognitochats zijn functieafhankelijk en zijn mogelijk niet beschikbaar in alle AI-modellen.

Wanneer moet ik een standaardchat gebruiken en wanneer een incognitochat?

Incognito chats (ook wel Privé of Tijdelijke chats genoemd) zijn functieafhankelijk en zijn mogelijk niet beschikbaar in alle AI-modellen.

Hoewel beide chatmodi veilig zijn, hangt de juiste keuze af van uw doel.

Functie, kenmerk	Standaardchat	Incognito chat
Meest geschikt voor	Lopende projecten, documentatie en taken waarbij u wilt dat het AI-model de context onthoudt.	Eenmalige vragen, verwerking van gevoelige gegevens of beginnen met een "schone lei".
History	Opgeslagen in uw zijbalk; doorzoekbaar voor toekomstig gebruik.	Niet opgeslagen. Zodra u het venster sluit, wordt het gesprek voorgoed verwijderd.
Geheugen	Gebruikt en actualiseert uw persoonlijke "Geheugen" (voorkeuren, stijlen en feiten).	Geïsoleerd. Gebruikt of updatet uw bestaande geheugen of voorkeuren niet.
Modeltraining	Gebaseerd op uw privacy-instellingen.	Nooit gebruikt voor modeltraining, ongeacht uw instellingen.
Gegevensbewaring	Onbepaalde tijd (totdat u het verwijdert).	Tijdelijk (onmiddellijk verwijderd uit de geschiedenis; na 30 dagen verwijderd uit de backend).

Waar gebruikt u incognito chats voor:

Gevoelige gegevens verwerken: als u een specifieke log of financieel fragment moet analyseren, maar niet wilt dat die gegevens worden opgeslagen in uw chatgeschiedenis.
Nieuwe prompts testen: wanneer u wilt zien hoe het AI-model reageert zonder "besmetting" door uw eerdere instructies of geheugens.
Openbare/gedeelde apparaten: Als u bent aangemeld op een apparaat waarop u niet wilt dat anderen uw recente activiteiten in de zijbalk kunnen zien.

Prompts en tokens

Hoe maak ik prompts die niet veel tokens verbruiken?

Gebruik deze tips om tokens te besparen om AI-modellen zo efficiënt mogelijk te prompten:

Begin met een schoon document: Voordat u uw prompt schrijft, raden we aan om uw pdf op te schonen (OCR uitvoeren, oude markeringen plat maken of onnodige pagina's verwijderen). Een schoner document gebruikt aanzienlijk minder tokens.
Start nieuwe gesprekken: AI-modellen lezen, telkens wanneer u een nieuw bericht verstuurt, de volledige chatgeschiedenis opnieuw in. Zodra u klaar bent met een taak, start u een nieuwe chat voor uw volgende taak. Zo voorkomt u dat er, vanwege de context van de vorige taak, in uw nieuwe verzoek extra token worden verbruikt.
Wees specifiek en beknopt: Brede vragen leiden vaak tot langere antwoorden die uw tokenbudget opslokken. In plaats van te zeggen "Vertel me iets over dit pdf-bestand", kunt u beter zeggen: "Vat de drie belangrijkste veiligheidseisen in dit pdf-bestand samen in punten". Kortere, gerichte prompts verbruiken minder invoertokens, en specifieke beperkingen zorgen voor kortere, efficiëntere uitvoer.
Gebruik "selectieve" OCR: Als u met gescande documenten werkt, moet het AI-model de tekstversie van die afbeeldingen verwerken. Voer OCR alleen uit op de specifieke pagina's die u wilt analyseren in plaats van op het hele document. Dit vermindert de hoeveelheid "pdf-tekst"-gegevens die via de MCP worden verzonden.
Verklein uw bestand bestand: Verwijzen naar een pdf van 100 pagina's kan veel tokens kosten. Gebruik de functie Pagina's uitpakken in Revu om een kleinere pdf te maken die alleen de relevante gedeelten bevat voordat u het AI-model vraagt om deze te analyseren.
Beperk de reikwijdte van de MCP-hulpmiddelen: Het AI-model hoeft niet altijd alles in uw bestand te kunnen zien om een vraag te beantwoorden. Als u bijvoorbeeld alleen een vraag heeft over markeringen, zeg dan: "Bekijk alleen de metadata van de Lijst met markeringen om de status van de elektrische items te vinden". Zo voorkomt u dat de MCP onnodige paginatekst of projectbestanden kan extraheren en verzenden.
Vermijd "chatten" met het AI-model: Sla formaliteiten zoals "Hallo, hoe gaat het vandaag?" en "Hartelijk dank!" over en start direct met de instructie. Elk woord, inclusief "Hallo" en "Alstublieft", telt als een token.
Bewerken, niet antwoorden: Als het AI-model u een antwoord geeft dat te lang is of er iets naast zit, ga dan met de muis over uw verzonden bericht en klik op Bewerken om uw vraag aan te passen in plaats van een nieuw bericht te sturen. Zo "overschrijft" u het vorige lange antwoord en voorkomt u dat uw tokengeschiedenis verdubbelt.
Vraag eerst om een schets: Vraag het AI-model om "Eerst een schets van het plan te maken". om te voorkomen dat het AI-model een grote hoeveelheid tokens zou uitgeven aan een enorm rapport dat de verkeerde kant op ging.

Zie voor meer beste praktijken voor AI-prompts en tokenbesparende promptsjablonen Overzicht AI-prompts.

Overzicht tokengebruik

Actie	Tokenkosten
Eenvoudige vraag (nieuwe chat)	Zeer laag
Samenvatting van een pdf van 50 pagina's	Gemiddeld
Analyse van een grote pdf + lange chatgeschiedenis	Hoog
Meerdere MCP-hulpmiddelen in één chat uitvoeren	Hoog
Een vraag stellen in een thread met 20 berichten	Hoog
"Tel alle deurmarkeringen in het hele project"	Extreem

Mijn tokens zijn op. Wat moet ik doen?

Als u een gebruikslimiet bereikt, moet u wachten op de vernieuwingsperiode van uw gekozen AI-model of uw abonnement upgraden.

Bluebeam kan het aantal gebruikte tokens in een gesprek niet beheren, uw tokenbudget niet vernieuwen en u niet laten weten hoeveel tokens u nog over heeft.

Ook als u uw gebruikslimiet bereikt hebt en wacht op een vernieuwing, kunt u productief zijn in Revu. Hier leest u hoe u veelvoorkomende AI-taken kunt repliceren met de hulpmiddelen in Revu:

In plaats van AI om een samenvatting te vragen, gebruikt u de lijst met markeringen in Revu.
- Filteren en sorteren: Selecteer Lijst filteren bovenaan de Lijst met markeringen.
- Maak een overzicht van de markeringen: maak een gestructureerd rapport van elke annotatie in het bestand, zodat u in één oogopslag het overzicht krijgt dat u normaal gesproken aan AI zou vragen.
In plaats van AI te vragen "Waar is [X] in deze pdf?", gebruikt u de geavanceerde zoekfunctie in Revu.
- Tekst zoeken: Doorzoek de huidige pagina, het hele document of zelfs alle geopende documenten tegelijk.
- VisualSearch: Zoek naar een symbool (zoals een specifieke lamp of klep) en selecteer Rechthoek ophalen om een vakje rond het pictogram te tekenen en Revu zal elk exemplaar ervan voor u vinden.
In plaats van AI te vragen "Vergelijk deze versies", gebruikt u de hulpmiddelen voor documentvergelijking in Revu:
- Documenten vergelijken: Revu markeert automatisch alle verschillen tussen twee tekeningen.
- Overlaypagina's: Stapel twee of meer tekeningen bovenop elkaar met verschillende kleuren voor elke versie.
In plaats van AI te vragen "Orden deze notities", gebruikt u Ruimtes in Revu.
- Definieer ruimtes (bijv. Kamer 101, Gang B) op uw tekening en alle markeringen die binnen die ruimte worden geplaatst, worden automatisch gelabeld met die locatie in de lijst met markeringen, waardoor u gemakkelijk op ruimte kunt sorteren zonder hulp van AI.

Problemen oplossen

Problemen met stroomschema's oplossen

Volg deze stappen als de AI-modellen niet reageren of uw Revu-documenten niet kunnen “zien”.

Is de Bluebeam MCP-server actief?
- Nee: ga in Revu naar Revu > Voorkeuren > Beheer > MCP en zorg ervoor dat uw gekozen AI-model is geselecteerd.
- Ja: ga door naar stap 2.
Gebruikt u de juiste AI-interface?
- Webbrowser: MCP werkt niet in een webbrowser. U moet de desktop-app van het AI-model downloaden en openen.
- Desktop-app: Ga verder naar stap 3.
Is voor dit hulpmiddel toestemming verleend?
- Nee/weet niet zeker: kijk onderaan in uw chatvenster. Als u een "Toestemmingsverzoek" of een klein "App"-pictogram met een rode stip ziet, klikt u erop en selecteert u de optie om het hulpmiddel toe te staan.
- Ja: ga verder met stap 4.
Is de pdf zichtbaar voor de MCP-server?
- Pdf is platgemaakt/gescand: als de tekst niet selecteerbaar is, kunt u het platmaken ongedaan maken of OCR uitvoeren.
- Meerdere tabbladen: Zorg ervoor dat de pdf die u wilt analyseren het actieve tabblad in Revu is.
- Pdf heeft beveiligingsbeperkingen: Ga naar Document > Beveiliging om te zien of er beperkingen zijn ingeschakeld.
Werkt het nog steeds niet? Start de AI-model desktop-app opnieuw op:

a. Sluit de desktop-app volledig af (via het lade-pictogram of Taakbeheer) en start opnieuw op.

b. Schakel de MCP-server uit in Revu-voorkeuren.

c. Sluit Revu af en open het opnieuw.

d. Schakel de MCP-server in via de Revu-voorkeuren.

e. Start de AI-model desktop-app opnieuw op.

Waarom verschillen mijn resultaten per chatsessie of document?

Het is gebruikelijk om kleine variaties te zien in hoe AI-modellen reageren, zelfs als er vergelijkbare documenten worden gebruikt, en wel om de volgende redenen:

AI-gestuurde intelligentie

AI-modellen kunnen pdf-inhoud analyseren, passende acties voorstellen en zich aanpassen aan uw workflow.
AI-modellen kunnen problemen oplossen en hun aanpak aanpassen als de eerste pogingen niet de gewenste resultaten opleveren.
Binnen één sessie leert het AI-model van uw feedback en draagt het geen kennis over van vorige chatsessies, wat kan leiden tot verschillende initiële benaderingen. U moet in een nieuwe sessie mogelijk specifieke beperkingen of voorkeuren opnieuw vaststellen.

AI-modelfactoren

Verschillende AI-modellen (Opus, Sonnet, Haiku) hebben verschillende mogelijkheden en kunnen verzoeken verschillend interpreteren.
Modelupdates en -verbeteringen komen regelmatig voor, wat het gedrag na verloop van tijd kan beïnvloeden.

Document- en promptfactoren

Pdf-structuur, complexiteit en grootte beïnvloeden hoe AI-modellen inhoud interpreteren.
Wijzigingen in een document tussen sessies kunnen de promptresultaten beïnvloeden.
De status van het document in Revu (wat is er geselecteerd, de huidige weergave, bestaande markeringen) beïnvloedt welke acties beschikbaar zijn.
Complexe meerstapsverzoeken kunnen anders worden behandeld dan opgesplitste taken.

Omgevingsfactoren

De volgende factoren kunnen invloed hebben op hoe AI-modellen verzoeken interpreteren:

Desktop-versie en -configuratie
Bluebeam Revu-versie en -instellingen
Systeembronnen en -prestaties

Als je niet de resultaten krijgt die je verwacht, gebruik dan deze diagnostische prompts om erachter te komen waarom:

Wat u wilt weten	Voorgestelde diagnostische prompts
Wat het AI-model probeerde te doen en waarom	"Wat probeerde u precies te doen met dat API-commando?"
Welke informatie het AI-model nodig heeft om de taak te voltooien	"Welke informatie uit deze pdf heeft u nodig om deze taak te voltooien?"
Wat het AI-model ziet in het document	"Beschrijf welke elementen u ziet op pagina [X] van dit pdf-bestand".
Waarom de taak is mislukt	"Ik zie dat dat niet werkt. Wat zat het succes van die aanpak in de weg?"
Waarom de resultaten inconsistent zijn	"Wat weerhoudt u ervan om dit verzoek consistent in verschillende sessies en pdf-documenten uit te voeren?"

De MCP verbindt AI-modellen zoals Claude met lokale bestanden, databases, hulpmiddelen en workflows, zodat ze toegang hebben tot belangrijke informatie en taken kunnen uitvoeren zoals:

Het verstrekken van alleen-lezen gegevens, zoals het lezen van een lokaal bestand of database en informatie verstrekken over die bestanden
Acties uitvoeren, zoals het wijzigen van een markering of markeringslabels

Alle gegevenstoegang wordt gestart door uw prompt en is beperkt tot ondersteunde Bluebeam-hulpmiddelen.

Zie voor meer informatie over welke taken de Bluebeam MCP kan uitvoeren Algemene veelgestelde vragen.

De Bluebeam MCP-server wordt lokaal geïnstalleerd en geconfigureerd voor gebruik door de MCP-host die op uw machine is geïnstalleerd, zoals de Claude desktop-app.

Belangrijke termen voor AI en MCP

AI-model	Een gespecialiseerd computerprogramma (zoals Claude) dat patronen kan herkennen, taal kan begrijpen en problemen kan oplossen.
Model Context Protocol (MCP)	Een open standaard waarmee AI-modellen veilig en consistent toegang hebben tot gegevens en hulpmiddelen van Bluebeam.
MCP-host	De applicatie die u gebruikt voor interactie met het AI-model (zoals de Claude desktop-app).
MCP-server	Een lichtgewicht programma dat fungeert als brug tussen de MCP-host en Bluebeam software. Hiermee kan de MCP-host specifieke Bluebeamgegevens en -hulpmiddelen zien en gebruiken.
Hulpbronnen	Statische gegevens (zoals tekst) die het AI-model kan lezen.
Tools	Dynamische functies die het AI-model kan uitvoeren. In tegenstelling tot hulpbronnen, stellen hulpmiddelen het AI-model in staat acties uit te voeren, zoals "Kleur van markeringen wijzigen" of "Onderwerp van markeringen wijzigen".
Prompts	Het verzoek dat u invoert en naar de MCP-host verzendt.

Hoe het allemaal in elkaar past

Met Claude als voorbeeld, ziet de gegevensstroom er als volgt uit wanneer u een vraag stelt:

De MCP-host (de interface): u verzendt een prompt in de Claude desktop-app.
Het AI-model (het brein): Het Claude AI-model ontvangt uw verzoek. Het beseft dat uw specifieke gegevens niet in het geheugen staan, dus zoekt het naar een hulpmiddel of -bron om te helpen.
De MCP-server (de brug): Dit kleine stukje software verbindt Claude met Revu. Het vertelt Claude precies hoe uw gegevens eruitzien (zoals een pdf) en welke acties het mag ondernemen.
Revu (de bron): uw feitelijke gegevens - tekeningen, beelden, tekst, markeringen, etc. - blijven veilig in Bluebeam. De MCP-server haalt alleen de gegevens op die Claude nodig heeft om uw specifieke vraag te beantwoorden.

Hulpbronnen

Revu 21

AI en MCP

Laat AI-modellen krachtige workflows met meerdere stappen uitvoeren in Revu 21.9 of hoger.