Jak zbudować proces wyciągania danych z dokumentów?
Najpierw odpowiedz na głos lub w myślach, potem porównaj.
Odpowiedź
Po przyjęciu pliku sprawdzam format, rozmiar i uprawnienia. Tworzę zadanie, a długą pracę wykonuję poza zwykłym krótkim żądaniem. Kolejne etapy odczytują tekst, wyciągają dane i sprawdzają ich strukturę oraz sens. Nie każdy etap potrzebuje samodzielnego agenta.
Przy fakturze model może znaleźć kwoty, ale kod może sprawdzić ich sumę. Brak pola nie powinien wymuszać zgadywania. Zachowuję wersję dokumentu i wskazanie miejsca, z którego pochodzi wartość, żeby człowiek mógł ją sprawdzić.
Wątpliwy wynik trafia do kontroli. Ponowienie tego samego zadania nie może tworzyć drugiego dokumentu biznesowego. Jakość mierzę osobno dla ważnych pól i typów plików, bo wysoka średnia może ukrywać błędy w kwocie.
Dlaczego to ważne: Scenariusz bliski doświadczeniu z ekstrakcją i klasyfikacją.
Możliwe dopytania: Co po nowym układzie dokumentu? Które etapy można powtórzyć bez powtarzania całości?
Jak poszło? Bądź szczery — „Jeszcze nie” dodaje pytanie do powtórki.
Zacznij od
- D-P15 · Co to jest idempotencja? — Backend, dane i system design
- G-P01 · Co to jest RAG? — RAG i retrieval
- H-P01 · Czym agent AI różni się od zwykłego wywołania modelu? — Agenci i workflow
Dalsza lektura
- AWS: Using Lambda with Amazon SQS(otwiera się w nowej karcie)Docs; dostęp 22.10.2026. Polling, batch, duplikaty i partial batch response.
- Claude Platform: Structured outputs(otwiera się w nowej karcie)Docs; dostęp 22.10.2026. Kontrakt schematu, ograniczenia i walidacja; parametry zależą od API/SDK.