Análise Sintática de Documentos

A análise sintética de documentos utiliza técnicas de investigação de última geração para extrair e visualizar dados estruturados de uma vasta gama de tipos de documentos, incluindo, mas não se limitando a, PDFs, imagens, documentos Word (DOC/DOCX) e ficheiros PowerPoint (PPT/PPTX). Foi concebido para lidar com layouts complexos como tabelas, gráficos e conteúdos mistos de texto e imagem.

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

Crie um agente de análise de documentos na interface de utilizador

Requerimentos

• Um espaço de trabalho que inclui o seguinte:
  • Computação sem servidor habilitada. Consulte Requisitos de computação sem servidor.
  • Catálogo Unity ativado. Consulte Habilitar um espaço de trabalho para o Unity Catalog.
  • Acesso a uma política de utilização sem servidor com um orçamento superior a zero.
• Esta função está disponível apenas em algumas regiões, veja disponibilidade de funções de IA.
  • A ai_parse_document função está também disponível para os espaços de trabalho com o módulo adicional Enhanced Security and Compliance.

Use o Document Parsing para analisar os seus documentos e visualizar a sua estrutura.

1. Vá para o Agentes no painel de navegação esquerdo do seu espaço de trabalho.
2. Clique em Criar Agente>Análise de Documentos.
3. Selecione o seu documento de origem. Pode optar por carregar um ficheiro ou selecionar um de um catálogo existente do Unity Catalog. Os formatos suportados incluem: PDF, imagens, DOC/DOCX e PPT/PPTX.
4. Clique em Analisar Documento.

Analisar o seu documento pode demorar alguns minutos. Quando concluído, a análise sintética de documentos mostra o documento de origem à esquerda e o documento analisado à direita. Pode optar por visualizar o documento analisado como texto formatado ou JSON bruto.

Resultados do processo e da consulta

Para visualizar a ai_parse_document consulta e executá-la em mais documentos, clique em Usar Agente e escolha executar a consulta a partir do SQL Editor ou do Notebook. Pode editar a consulta para apontar para o volume ou tabela onde se encontram os seus documentos.

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

Analisar documentos em SQL

Utilize ai_parse_document em SQL para analisar documentos em grande escala:

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

Veja a referência SQL ai_parse_document .

Análise de documentos com a API REST

Use a API REST para analisar documentos de aplicações, serviços e fluxos de trabalho de automação. Consulte a documentação da API REST para referência.

ai_parse_document Os pedidos de API REST estão limitados a 100 páginas por documento.

ai_parse_document lê os dados de entrada a partir de um volume do Unity Catalog. O exemplo seguinte carrega um PDF local para um volume com a API de Ficheiros e depois analisa-o.

Primeiro, carregue o 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 carregado, fornecendo o respetivo caminho do volume em 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 limitações.