进阶 docs.budibase.com 2026-11-12 08:33:37 · 18 阅读

第66章 文档数据提取步骤:用 AI 将 PDF/图片转为结构化 JSON

提取文档数据(Extract Document Data)步骤利用 AI 从 PDF 或图片中抽取结构化字段,并返回 JSON 格式结果,供自动化流程使用。

当你需要把发票、表单或收据等非结构化文件转换成机器可读数据时,这个功能非常有用。

📘使用此功能需要先启用 AI。

这个步骤做什么

在运行时,该步骤会:

  • 从 URL 或附件绑定加载文档
  • 将内容发送到你配置的 LLM
  • 强制 LLM 按你提供的 schema 结构输出
  • 以 JSON 数组形式在 data 中返回提取的数据

每次运行最多返回一个提取对象

典型使用场景

  • 提取发票字段,如 invoiceNumber、total、dueDate
  • 将身份证或申请表信息提取到表格行中
  • 读取上传的收据、采购订单或合同中的内容
  • 把邮件触发器收到的文档附件转换成结构化记录

输入

  • Document(必填)- 要解析的源文档
  • Source(可选,默认 URL)- 文档来源
  • File Type(仅 URL 来源,可选,默认 pdf)- URL 文档的文件类型
  • Data schema(必填)- 期望的输出结构

Source 选项:

  • URL - 在 Document 字段中使用文档链接
  • Attachment - 在 Document 字段中使用附件对象

如果来源和输入格式不匹配,提取会失败

支持的文件类型:

  • pdf
  • jpg
  • jpeg
  • png

对于 URL 来源,File Type 决定文档的处理方式。

设计数据 schema

Data schema 定义字段名称和期望类型,建议保持简单明确。

支持的值类型提示:

  • string
  • number
  • boolean

示例 schema:

{
  "invoiceNumber": "string",
  "invoiceDate": "string",
  "totalAmount": "number",
  "isPaid": "boolean"
}

提示:

  • 使用稳定的字段名,方便直接映射到表格列
  • 优先使用简单的基本类型
  • 如果值含义模糊(比如日期),先以 string 类型提取,再在后续步骤中做标准化处理

输出

  • success (boolean) - 提取是否成功
  • data (json) - 提取到的结构化记录(数组,最多 1 个对象)
  • response (string) - 提取失败时的错误详情

示例流程

  1. 触发器:在带附件列的表格上监听 Row Created 事件
  2. 步骤:Extract Document Data
  3. 输入:
  4. Source:Attachment
  5. Document:来自触发行的附件绑定
  6. Data schema:期望的字段(比如发票字段)
  7. 步骤:Update Row,将 stepsByName.ExtractStep.data.0.<field> 的值写入对应列
  8. 可选:添加 Condition 步骤,在 ExtractStep.success 为 false 时走另一分支

故障排查

如果提取失败,请检查以下几项:

  • 缺少必填输入:确认 Document 和 Data schema 都已设置
  • 来源与输入不匹配:URL 来源必须接收 URL 字符串;Attachment 来源必须接收附件对象
  • URL 抓取失败:确认 URL 可从你的 Budibase 环境访问;确认认证或防火墙规则没有阻止访问
  • Schema/输出解析失败:简化 schema 后重试;先从少量字段开始,再逐步增加
  • 未找到数据:模型可能无法为你的 schema 找到匹配值;尝试更清晰的字段名和更高质量的源文档

相关指南

  • AI automation steps overview
  • LLM prompt
  • Agent

评论 (0)