Tarefa ai_extract para jobs

info

Beta

Esse recurso está em Beta. Para usá-lo, um administrador do espaço de trabalho deve ativar a tarefa de Função AI Lakeflow na página Pré-visualizações . Consulte Gerenciar prévias do Databricks.

Para realizar extração de informação em um job, use uma tarefa ai_extract. A tarefa executa ai_extract em cada linha de uma tabela do Unity Catalog. A tarefa extrai os campos que você define de texto ou documentos analisados e grava o resultado de cada linha em uma tabela do Unity Catalog.

Uma tarefa ai_extract é um tipo de tarefa de função de AI. Na API de Jobs e nos Pacotes de Automação Declarativa, é um ai_function_task com o conjunto de funções ai_extract. Para requisitos e para saber como as tarefas de função de AI processam dados, veja Tarefas de função de AI para Jobs.

Adicionar uma tarefa ai_extract

Para adicionar uma tarefa ai_extract:

1. Vá para a tab Tarefas na interface do usuário de Jobs.
2. Clique no ícone Adicionar tarefa . Se o job ainda não tiver tarefas, clique em Adicionar outro tipo de tarefa .
3. Em Inteligência de documentos , selecione Extração de informações .
4. Insira um nome no campo Nome da tarefa . O default é extraction.
5. Em Entrada , selecione uma tabela e a Coluna da qual deseja extrair. Para extrair de documentos, analise-os primeiro. Consulte Usar com outras funções de AI.
6. Em Saída , selecione a Localização e, opcionalmente, insira um Nome da tabela . Consulte Saída.
7. (Opcional) Adicione uma coluna de ID . Veja coluna de ID.
8. Em Schema , defina os campos a serem extraídos. Consulte Defina os campos a serem extraídos.
9. (Opcional) Configure as configurações em Configurações opcionais . Consulte Configurações opcionais.
10. (Opcional) Para configurar limites de tentativas, duração de execução ou backlog de transmissão, ou notificações, consulte Configurações de tarefa avançadas.
11. Clique em Salvar tarefa .

A tarefa será executada na próxima execução do Job. Para executar o job em uma programar, consulte Executar jobs em uma programar. Para editar, clonar, desabilitar ou excluir esta tarefa, consulte Configurar e editar tarefas no Lakeflow Jobs.

Defina os campos a serem extraídos

Em Schema , adicione cada campo a ser extraído, com um nome, um tipo e uma descrição opcional. Um campo de objeto contém campos aninhados, e um campo de array contém uma lista de valores. Para editar os campos como JSON, clique em JSON . O JSON usa o formato esperado por ai_extract, que também lista os tipos de campo compatíveis.

Em vez de adicionar os campos você mesmo, você pode fazer qualquer uma das seguintes opções:

• Importar do Agent : copie os campos, as instruções e as opções de um agente de extração de informações do Agent Bricks para a tarefa. A tarefa não permanece vinculada ao agente. Para incorporar alterações posteriores feitas no agente, importe-o novamente.
• Definir com o Genie Code : rascunhe os campos com o Genie Code, com base na tabela e coluna de entrada selecionadas. Esta opção está disponível depois de selecionar a entrada e a Localização de saída.

Configurações opcionais

Em Configurações opcionais , você pode configurar o seguinte:

• Modo de precisão : melhore a precisão para campos complexos e documentos longos.
• Pontuações de confiança : inclua um nível de confiança para cada valor extraído.
• Citações : Inclua uma referência ao texto de origem para cada valor extraído.
• Instruções : Orientação aplicada a cada campo, como formatos de data ou conteúdo a ignorar.
• Versão : A versão ai_extract que a tarefa está em execução, mostrada para referência. A versão está pin, de modo que as execuções agendadas não mudam quando a função é atualizada.

Defina a tarefa em Pacotes de Automação Declarativa

Os Declarative Automation Bundles permitem definir o job em arquivos de origem, para que você possa versionar, revisar e implantar alterações nele como código. O exemplo a seguir define um job com uma tarefa ai_extract que extrai a contraparte, a data de vigência e o prazo de renovação de cada contrato em uma tabela, com uma citação para cada valor. O campo schema contém os campos a serem extraídos como uma string JSON. Para extrair de documentos em um volume, consulte Usar com outras funções de AI. Para criar o job usando a Jobs API, em vez disso, envie as mesmas configurações do job para jobs/create.

YAML

# resources/extract_contract_fields.job.yml
resources:
  jobs:
    extract_contract_fields:
      name: extract_contract_fields
      tasks:
        - task_key: extraction
          ai_function_task:
            delta_table:
              table_name: main.legal.contracts
              input_column: contract_text
              merge_key_columns: [contract_id]
            output:
              catalog: main
              schema: legal
            ai_extract:
              version: '2.1'
              schema: |
                {
                  "counterparty": {"type": "string", "description": "Legal name of the other party"},
                  "effective_date": {"type": "string", "description": "Date in YYYY-MM-DD format"},
                  "renewal_term_months": {"type": "integer", "description": "Length of the renewal term in months"}
                }
              instructions: Ignore text in exhibits and appendices.
              enable_citations: true

Saída

A coluna response da tabela de saída contém o resultado completo de ai_extract para cada linha como um VARIANT, incluindo pontuações de confiança e citações quando você os ativa. A tarefa não adiciona uma coluna para cada valor. Para obter um valor como coluna, selecione-o em response em uma query. Para o formato, consulte retornos de ai_extract. Para as outras colunas, consulte Tabela de saída.

Outros recursos

• Tarefas de Função de AI para Job: aprenda sobre tarefas de Função de AI.
• Extração de informação: Compile e teste um esquema de extração na interface do Agent Bricks.