Análise de documentos

A Análise de Documentos usa técnicas de pesquisa de última geração para extrair e visualizar dados estruturados de uma ampla gama de tipos de documentos, incluindo, mas não se limitando a PDFs, imagens, documentos Word (DOC/DOCX) e arquivos PowerPoint (PPT/PPTX). Ele foi projetado para lidar com layouts complexos, como tabelas, gráficos e conteúdo misto de imagem de texto.

A análise de documentos está disponível através da interface Agent Bricks, em SQL e com a API REST.

Crie um agente de análise sintática de documentos na interface

Requirements

• Um workspace que inclui o seguinte:
  • Computação sem servidor habilitada. Consulte os requisitos de computação sem servidor.
  • Unity Catalog habilitado. Consulte Habilitar um workspace para o Unity Catalog.
  • Acesso a uma política de uso sem servidor com um orçamento maior que zero.
• Essa função só está disponível em algumas regiões, consulte a disponibilidade da função de IA.
  • A função ai_parse_document também está disponível para espaços de trabalho com o complemento de Segurança e Conformidade Aprimoradas.

Use a Análise de Documentos para analisar seus documentos e visualizar sua estrutura.

1. Vá para o Agentes no painel de navegação à esquerda da sua área de trabalho.
2. Clique em Criar Agente>Análise de Documentos.
3. Selecione seu documento de origem. Você pode optar por carregar um arquivo ou selecionar um em um catálogo existente do Catálogo do Unity. Os formatos com suporte incluem: PDF, imagens, DOC/DOCX e PPT/PPTX.
4. Clique em Analisar documento.

A análise do documento pode levar alguns minutos. Quando concluída, a Análise de Documentos mostra o documento de origem à esquerda e o documento analisado à direita. Você pode optar por exibir o documento analisado como texto formatado ou JSON Bruto.

Resultados do processo e da consulta

Para exibir a ai_parse_document consulta e executá-la em mais documentos, clique em Usar Agente e escolha executar a consulta no Editor do SQL ou no Notebook. Você pode editar a consulta para apontar para o volume ou tabela em que seus documentos residem.

Para preparar a saída analisada para a recuperação (RAG), use ai_prep_search (Beta) posteriormente.

Analisar documentos em SQL

Chame ai_parse_document em SQL para analisar documentos em escala:

SELECT
  ai_parse_document(
    content,
    map('version', '2.0')
  ) AS parsed
FROM READ_FILES('/Volumes/my_catalog/my_schema/my_documents', format => 'binaryFile');

Consulte a ai_parse_document referência de SQL.

Análise sintética de documentos com a API REST

Use a API REST para analisar documentos de aplicativos, serviços e fluxos de automação. Veja a documentação da API REST para referência.

ai_parse_document As requisições de API REST são limitadas a 100 páginas por documento.

ai_parse_document usa como entrada um volume do Unity Catalog. O exemplo a seguir faz upload de um PDF local para um volume com a API de Arquivos e depois o analisa.

Primeiro, faça o upload do documento para um volume:

curl -X PUT "$DATABRICKS_HOST/api/2.0/fs/files/Volumes/my_catalog/my_schema/my_volume/invoice.pdf?overwrite=true" \
     -H "Authorization: Bearer $DATABRICKS_TOKEN" \
     -H "Content-Type: application/octet-stream" \
     --data-binary @invoice.pdf

Depois, analise o documento enviado passando seu caminho de volume como content:

curl -X POST "$DATABRICKS_HOST/api/2.0/ai-functions/ai-parse-document" \
     -H "Authorization: Bearer $DATABRICKS_TOKEN" \
     -H "Content-Type: application/json" \
     -d '{
  "content": "/Volumes/my_catalog/my_schema/my_volume/invoice.pdf"
}'

Limitations

Veja ai_parse_document as limitações.