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 do Word (DOC/DOCX) e arquivos do PowerPoint (PPT/PPTX). Ele é projetado para lidar com disposições complexas, como tabelas, gráficos e conteúdo misto de texto e imagem.

Document parsing is available through the Agent Bricks UI, in SQL, and with the REST API.

Criar um agente de análise de documentos na IU

Requisitos

• Um workspace que inclui o seguinte:

  • Compute serverless ativado. Consulte requisitos do compute serverless.
  • Unity Catalog ativado. Consulte Ativar um workspace para o Unity Catalog.
  • Acesso a uma política de uso serverless com um orçamento diferente de zero.

• Essa função está disponível apenas em algumas regiões, consulte disponibilidade da função de AI.

  • A função ai_parse_document também está disponível para workspaces com o complemento Segurança e Compliance Aprimoradas.

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

1. Vá para **Agentes** no painel de navegação esquerdo do seu workspace.
2. Clique em Criar Agente > Análise de Documentos .
3. Selecione seu documento de origem. É possível optar por fazer o upload de um arquivo ou selecionar um de um catálogo existente do Unity Catalog. Formatos compatíveis incluem: PDF, imagens, DOC/DOCX e PPT/PPTX.
4. Clique em **Analisar documento**.

A análise do seu documento pode levar alguns minutos. Quando concluído, a Análise de Documentos mostra o documento de origem à esquerda e o documento analisado à direita. É possível escolher visualizar o documento analisado como texto Formatado ou JSON Bruto .

Processar e consultar resultados

Para visualizar a consulta ai_parse_document e executá-la em mais documentos, clique em Usar Agente e escolha entre executar a consulta do Editor SQL ou do Notebook. Você pode editar a consulta para apontar para o volume ou tabela em que seus documentos estão.

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

Analisar documentos em SQL

Chame ai_parse_document em SQL para analisar documentos em escala:

SQL

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 referência de SQL ai_parse_document.

Analisar documentos com a API REST

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

ai_parse_document REST API requests are limited to 100 pages per document.

ai_parse_document lê sua entrada de um volume do Unity Catalog. O exemplo a seguir faz o upload de um PDF local para um volume com a Files API e, em seguida, o analisa.

Primeiro, faça upload do documento para um volume:

Bash

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

Em seguida, analise o documento upload passando o caminho do volume como content:

Bash

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"
}'

Limitações

Consulte limitações deai_parse_document.