Análisis de documentos

El análisis de documentos usa técnicas de investigación de última generación para extraer y visualizar datos estructurados de una amplia gama de tipos de documentos, incluidos, entre otros, archivos PDF, imágenes, documentos de Word (DOC/DOCX) y archivos de PowerPoint (PPT/PPTX). Está diseñado para controlar diseños complejos, como tablas, gráficos y contenido de imagen de texto mixto.

El análisis de documentos está disponible a través de la interfaz de Agent Bricks y en SQL.

Crea un agente de análisis de documentos en la interfaz de usuario

Requirements

• Área de trabajo que incluye lo siguiente:
  • Computación sin servidor habilitada. Consulte Requisitos de proceso sin servidor.
  • Catálogo de Unity habilitado. Consulte Habilitar un área de trabajo para Unity Catalog.
  • Acceso a una política de uso sin servidor con un presupuesto distinto de cero.
• Esta función solo está disponible en algunas regiones, consulte Disponibilidad de funciones de IA.
  • La función ai_parse_document también está disponible para las áreas de trabajo con el complemento Seguridad y Conformidad Mejoradas.

Use análisis de documentos para analizar los documentos y visualizar su estructura.

1. Vaya al Agentes en el panel de navegación izquierdo del área de trabajo.
2. Haga clic en Crear Agente>Análisis de Documentos.
3. Seleccione el documento de origen. Puede optar por cargar un archivo o seleccionar uno de un catálogo de Unity Catalog existente. Los formatos admitidos incluyen: PDF, imágenes, DOC/DOCX y PPT/PPTX.
4. Haga clic en Analizar documento.

El análisis del documento puede tardar unos minutos. Cuando haya finalizado, El análisis de documentos muestra el documento de origen a la izquierda y el documento analizado a la derecha. Puede elegir ver el documento analizado como texto con formato o JSON en bruto.

Procesar y consultar los resultados

Para ver la ai_parse_document consulta y ejecutarla en más documentos, haga clic en Usar agente y elija ejecutar la consulta desde el Editor de SQL o cuaderno. Puede editar la consulta para que apunte al volumen o a la tabla en la que residen los documentos.

Para preparar el resultado analizado para su recuperación (RAG), use ai_prep_search (beta) más adelante.

Analizar documentos en SQL

Invoca ai_parse_document en SQL para analizar documentos a gran escala:

SELECT
  ai_parse_document(
    content,
    map('version', '2.0')
  ) AS parsed
FROM READ_FILES('/Volumes/my_catalog/my_schema/my_documents', format => 'binaryFile');

Consulta la ai_parse_document referencia SQL.

Limitations

Consulte ai_parse_document limitaciones.