資料提取

    用您自己的文件格式(發票、表單、報告、合約)微調 AI 模型,準確擷取結構化資料,再把模型部署在您自己的基礎設施上執行。

    The Challenge

    每個組織都淹沒在非結構化文件中。發票以數十種供應商特定的格式到達。監管申報遵循每個報告週期都會變更的模板。保險理賠、醫療入院表格、運輸清單和法律合約中都包含關鍵的結構化資訊,被困在 PDF、掃描影像和自由文字欄位中。傳統的 OCR 和基於規則的提取系統很脆弱——每當供應商更改發票版面或表格新增欄位時就會中斷。維護數百個提取模板是一份永無止境的全職工作。

    通用 AI 模型可以直接處理簡單的提取任務,但在特定領域格式上表現不佳。它們在非標準版面上混淆「發票日期」和「到期日」,錯誤解析多行地址欄位,並且無法提取金融和監管文件中常見的巢狀表格結構。在邊緣案例上的準確性——那 20% 產生 80% 手動修正工作量的文件——在沒有特定領域訓練的情況下仍然頑固地偏低。對於處理醫療記錄、稅務申報或法律合約等敏感文件的組織來說,將這些文件發送到第三方 API 進行提取會產生不可接受的資料曝露風險。

    The Solution

    Ertas Studio 讓資料工程團隊用實際的文件格式訓練擷取模型。團隊把標註好的範例上傳為 JSONL 資料集,或從 Hugging Face 匯入:發票搭配標註好的欄位,表單搭配其中的鍵值對,報告搭配團隊想要的結構化輸出。Studio 透過視覺化畫布,在 Ertas 的雲端 GPU 上以 LoRA 微調開源模型,並可同時執行多次訓練,方便團隊並排比較不同的基礎模型與參數設定。出現新的文件格式時,團隊只要補充範例、重新訓練,不必再寫一條範本規則。

    訓練好的模型會出現在 Hub 中,團隊可以下載 GGUF 格式供 llama.cpp 或 Ollama 使用,或下載完整的 safetensors 供 vLLM 等伺服器執行環境使用。之後模型在公司自己的伺服器上執行,接上現有的文件處理流程:輸入文字,輸出結構化 JSON,處理的文件始終留在公司網路內。訓練時,訓練範例會上傳到 Ertas,因此處理敏感文件的團隊應先刪除或遮蔽訓練集中的個人資料與機密內容。資料集會被保存,以便重複訓練,團隊也可以隨時刪除。

    Key Features

    Studio

    文件擷取微調

    使用 Studio 的視覺化畫布,在標註文件範例組成的 JSONL 資料集上微調開源模型:帶標註欄位的發票、擷取出鍵值對的表單、帶結構化輸出對應的報告。LoRA 訓練讓每次執行都快速且成本低,支援一種新文件格式只需補充範例、再訓練一次。

    Studio

    在 Data Craft 中審核範例

    在 Studio 的引導式資料集建構工具 Data Craft 中建立並完善訓練集。財務、法務或營運人員可以編輯範例擷取結果、保存資料集版本,並逐筆標記為已核准,讓模型從熟悉這些文件的人核對過的輸出中學習。

    Hub

    匯出屬於您的模型

    每個訓練好的模型都會列在 Hub 中。可下載 GGUF 格式用於 llama.cpp、Ollama 或 LM Studio,或下載完整的 safetensors 用於 vLLM 等伺服器執行環境。模型屬於您,執行時不依賴任何 Ertas 服務。

    Hub

    在您的流程內完成擷取

    在您自己的伺服器上執行匯出的模型,由現有的 ETL 作業、文件管理系統和 RPA 工作流程直接呼叫。輸入文件,輸出結構化 JSON,處理的文件留在您的網路內。

    Example Workflow

    一家物流公司每月處理來自 300 家供應商的 15,000 張發票,每家的版面都略有不同。財務營運團隊標註了 5,000 張具代表性的發票,標出供應商名稱、發票號碼、明細項目、數量、單價、稅額和付款條件,並在把 JSONL 資料集上傳到 Ertas Studio 之前遮蔽了個人聯絡資料。團隊同時訓練 Mistral 7B 和 Qwen 2.5 7B,用一組模型從未見過的保留發票比較兩次訓練的結果,留下表現較好的一個。接著從 Hub 匯出 GGUF,部署在公司內網的一台伺服器上,接上應付帳款流程。每張新發票都交給模型處理,模型回傳結構化 JSON。團隊自行設定規則:哪些擷取結果直接進入 ERP 系統,哪些交由人工複核(模型的輸出已預先填好)。修正過的疑難案例在 Data Craft 中複核後加入訓練集,用於下一次訓練。

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.