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:
- 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
- 触发器:在带附件列的表格上监听 Row Created 事件
- 步骤:Extract Document Data
- 输入:
- Source:Attachment
- Document:来自触发行的附件绑定
- Data schema:期望的字段(比如发票字段)
- 步骤:Update Row,将 stepsByName.ExtractStep.data.0.<field> 的值写入对应列
- 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