智能文档字段提取工作台功能需求文档

所属分类图像/转换产品案例页智能文档字段提取工作台案例方案 | GuGuData Engineering产品定位与截图范围智能文档字段提取工作台面向招投标、采购、合同、财务、审计和资质审核团队把 PDF、Word、TXT、Markdown 或纯文本中的业务字段解析为经过 Schema 校验的标准 JSON。产品提供原文预览、字段模板、JSON 结果、JSON Tree、证据定位、置信度、失败原因、人工复核和异步任务管理。截图覆盖文档队列、原始文档预览、JSON Schema 定义、JSON Tree 抽取结果、质量概览、字段级复核、OCR 与执行模式、告警、人工复核队列和多格式导出。它不是只展示一段“智能回答”的聊天页而是让原始文档、结构定义、JSON 结果和证据链同时可核对的业务工作台。目标用户与业务场景主要用户包括招投标资料人员、采购运营、合同管理员、财务与审计人员、数据录入团队、企业知识库维护人员和后端集成开发者。典型场景包括从采购公告中抽取项目名称、预算、截止时间和供应商要求从合同中抽取甲乙方、金额、日期、付款条件和关键条款从财务报告中抽取期间、指标、金额单位和审计意见对扫描版 PDF 自动触发 OCR再进行字段结构化对大文档创建异步任务完成后进入低置信度字段复核将规范化 JSON 直接写入业务系统同时保留原值和证据片段。截图可见信息组织顶部导航包括解析工作台、任务中心、字段模板、质量复核和系统设置。左侧文档队列展示文件名、类型、大小、时间和处理状态。中间左侧保留原始文档预览并高亮与字段结果对应的证据。中间右侧同时展示 JSON Schema 和 JSON Tree。用户可以在“JSON 结果”和“JSON Tree”之间切换但原始文档始终保留不能用格式化结果替代原始资料。下方质量概览展示字段总数、成功字段、失败字段、成功率和平均置信度。字段级复核表展示字段名、状态、原始值、规范化值、类型、置信度、证据来源和操作。右侧配置 OCR 模式与执行模式展示执行进度、告警、待人工复核项和导出入口。低置信度、类型不匹配或歧义字段必须进入复核不得静默写入下游。核心功能需求文档输入file与text必须二选一支持 PDF、DOCX、TXT、MD/Markdown 和纯文本二进制.doc先转换后上传。Schema 编辑顶层必须为object支持嵌套对象、数组及常用标量类型。OCR 策略支持auto、always和never并显示实际文本抽取方式。执行模式支持auto、sync和async大文档与扫描件优先使用异步任务。结果视图保留原始文档提供 JSON 结果、JSON Tree 和字段复核表。证据定位每个字段可查看页码、段落、表格行或章节证据片段。质量控制展示字段状态、置信度、失败原因、警告和总体成功率。人工复核允许确认、修改、驳回或重新抽取并保留操作记录。安全处理凭证只保存在服务端导出和下游写入遵守业务数据权限。覆盖核验展示完整字符数、已处理字符数、分块数和完整覆盖状态不完整结果不得进入正式入库。主要操作流程用户上传文档或粘贴已经完成 OCR/网页抽取的纯文本。用户选择字段模板或编辑 JSON Schema 和补充解析说明。系统校验输入二选一、Schema 合法性和文件类型。服务根据ocrMode抽取文本并按executionMode同步处理或创建任务。页面展示原始文档、JSON 结果、JSON Tree 和质量概览。用户点击字段查看证据片段对低置信度或失败字段进行复核。复核通过后导出 JSON、Excel、CSV 或复核报告或写入下游系统。数据与结果展示原始文档预览是复核基准必须保留页码、缩放、下载和证据高亮。JSON Schema 编辑器显示字段 key、类型、标题、说明、必填约束和嵌套关系。JSON 结果用于复制和接口联调JSON Tree 用于浏览复杂层级两者来自同一份结构化结果。字段表需要完整显示status、value、normalizedValue、type、confidence、reason和evidence。成功率计算为成功字段数除以字段总数界面不得把低置信度字段自动算作已人工确认。失败字段按NOT_FOUND、TYPE_MISMATCH、LOW_CONFIDENCE、AMBIGUOUS、UNSUPPORTED_SCHEMA和EXTRACTION_ERROR分类。页面可以针对不同失败类型提供重试或人工修正但必须保留原始返回值和修改记录。接口调用蓝图业务步骤接口名称接口文档请求地址关键入参关键出参传参关系解析文档字段AI 文档字段结构化解析document-field-extractionPOST https://api.gugudata.com/v1/document-extractionsfile或text、schema*、instruction、ocrMode、executionMode文档信息、质量统计、values、失败字段、证据、警告或operationId原文与 Schema 一起提交同步返回结果异步返回任务信息。查询异步任务任务状态查询operation 查询接口GET https://api.gugudata.com/ai/operations/{operation_id}operation_id*、appkey*PENDING、RUNNING、SUCCEEDED、FAILED或EXPIRED及最终结果使用解析接口返回的operationId轮询成功后进入相同结果视图。参数流转说明上传文件时使用multipart/form-data的file调用方已经获得正文时使用text。两者同时提交或同时为空都应阻止。schema是 JSON 字符串顶层type必须为objectproperties的稳定英文 key 直接成为Data.values的字段 key。ocrModeauto由服务判断是否需要 OCR扫描件可用always确认存在可复制文本时可用never。executionModeauto由文档大小和处理成本决定同步或异步异步任务必须保存requestId、operationId、轮询地址和过期时间。复核后的值属于产品侧修订结果必须与接口原始value、normalizedValue分开保存。写入下游系统前应同时检查业务状态码、字段状态、置信度阈值、processedCharCount charCount、isCompletetrue和人工复核状态。体验要求与验收标准桌面端需要尽量同时展示原文、Schema/JSON 和字段复核表。较窄窗口可折叠文档队列或配置栏但不能隐藏原文与证据入口。移动端以任务状态和字段复核为主复杂 Schema 编辑建议进入桌面模式。验收时需要确认原始文档是否保留JSON 结果和 JSON Tree 是否一致字段点击能否定位证据file与text是否二选一OCR 与执行模式是否正确总体统计是否与字段表一致低置信度字段是否进入人工复核异步任务是否正确处理过期和失败状态。截图功能验收清单文档队列展示文件类型、状态和失败项原文页码、缩放、证据高亮与字段结果联动Schema 编辑器可以校验类型和必填字段JSON 结果与 JSON Tree 使用同一数据源字段表包含原值、规范化值、类型、置信度和证据成功数、失败数和成功率计算一致低置信度与歧义字段进入人工复核导出结果不包含未确认的产品侧修改AppKey 不出现在前端代码、截图或公开文件中。关于 GuGuData Engineering 产品案例更多产品案例请访问 GuGuData Engineering 产品案例。GuGuData Engineering 产品案例页展示基于咕咕数据接口能力构建的数据接入、业务流程和产品原型帮助团队从真实业务场景出发快速评估接口组合、调用方式和落地价值。