Структурирано извличане: Таблици, заглавия и числови данни
На тази страница
Актуализация от 2 ноември 2026 г. — Le Chat става Vibe. Към 28 май 2026 г. Le Chat вече е Vibe (все още на chat.mistral.ai): единен агент за работа и кодиране, който запазва Вашите разговори, настройки и абонаменти. Legacy изживяването на Le Chat остава достъпно в режим Chat; в режим Work агентите се превърнаха в умения (извиквани с
@, спомените формират базата от знания, а дълбокото търсене е умението Deep Research. Плановете вече се наричат Mistral Free, Pro, Team и Enterprise. Този урок използва името Vibe; някои менюта, описани тук, може да са променили имената или местоположението си.
От сурови документи до организирани данни
Извличането на текст от документ е добре. Но истинската стойност се появява, когато получите структурирани данни: чисти таблици, идентифицирани цифри и класифицирани заглавия. Това е разликата между получаването на фотокопие на финансов отчет и получаването на същия този отчет в използваема електронна таблица. Document AI на Mistral превъзхожда точно в тази задача: той не просто чете текста; той разбира структурата на документа и връща информацията в директно използваем формат.
Таблици: Идеалният случай
Таблиците са навсякъде в бизнес документите — финансови отчети, ценови листи, графици, резултати от проучвания — и това е исторически областта, в която класическият OCR се проваляше най-жалко, превръщайки колони и редове в каша. Двигателят OCR 3, напротив, ги обработва с забележителна прецизност. Когато качите документ, съдържащ таблица, във Vibe, моделът първо идентифицира границите на таблицата, дори когато те са фини или оцветени. След това разпознава заглавията и ги отличава от данните, свързвайки всяка клетка с нейната колона и ред. Той дори се справя със сложни случаи: обединени клетки, междинни суми, бележки под линия — всички класически капани, които лошо конвертираната електронна таблица превръща в тихи грешки.
За да получите използваем резултат, направете си навик да посочвате желания формат във Вашата подкана. „Извлечи таблицата от страница 3 във формат Markdown“ Ви дава таблица, четима директно във Vibe; „Конвертирай тази таблица в CSV, за да я поставя в Excel“ я подготвя за импортиране в електронна таблица; „Извлечи само колоната ‘Сума’ и колоната ‘Дата’“ филтрира необходимото Ви още в източника. Markdown често е най-практичният формат за ежедневна употреба: незабавно четим и лесен за копиране и поставяне в други инструменти.
Заглавия, йерархия и структура
Отвъд таблиците, Document AI може да реконструира йерархията на документа: заглавията и подзаглавията се идентифицират и класифицират по ниво (h1, h2, h3), параграфите се разграничават един от друг дори без видими прекъсвания на редовете, списъците с точки или номерирани списъци се възстановяват правилно, а бележките под линия се свързват с техните препратки. Тази възможност е безценна при работа с дълги доклади или правни документи, където структурата носи толкова смисъл, колкото и текстът: знанието, че дадена клауза се появява в раздела „Гаранции“, а не в „Разни“, променя тълкуването ѝ.
Следователно можете да правите структурни заявки: „Дайте ми съдържанието на този документ“, „Избройте всички заглавия на раздели със съответните номера на страниците“ или дори „Извлечете само параграфите, обсъждащи гаранциите“ — последното комбинира структура и смисъл.
Числови данни с контекст
Финансовите документи, офертите, фактурите и отчетите за дейност са пълни с числа: финансови суми (приходи, общи суми, ДДС, отстъпки), дати на подписване или падеж, проценти на пазарен дял или марж и идентификатори като номера на фактури, клиентски референции или кодове SIRET. Това, което отличава Document AI, е, че той не просто извлича числа — той разбира техния контекст. Ако попитате „Какъв е годишният приход?“, той конкретно търси числото, свързано с тази концепция, дори ако то е заровено в таблица с 50 реда. Класическият OCR би Ви връчил петдесет ненумеровани числа; тук получавате правилното.
Това разбиране Ви позволява да отидете отвъд извличането: можете да поискате изчисления и проверки. „Вярна ли е общата сума на колоната ‘Сума без ДДС’?“ кара модела да преброи отново; „Каква е разликата между планираните и действителните фигури?“ кръстосва две колони; „Коя статия за разходи представлява най-голям дял?“ превръща таблицата в анализ.
За напреднали потребители JSON експортът структурира изхода за Вашите инструменти: „Извлечи следната информация от тази фактура във формат JSON: номер, дата, сума без ДДС, ДДС, сума с ДДС, доставчик“ или „Създай JSON обект с данните от всеки ред на таблицата.“ Този формат е идеален, ако данните трябва по-късно да захранват електронна таблица, база данни или друг софтуер.
На практика
Вижте как тези възможности се събират в три често срещани сценария. Получавате купчина PDF фактури: за всяка от тях попитайте „Извлечи от тази фактура: име на доставчика, дата, номер на фактура, сума без ДДС, ДДС и сума с ДДС. Представи като таблица“ — и Вашето счетоводно приключване е подготвено. Изправени сте пред 50-страничен годишен отчет: „Извлечи всички финансови таблици от този отчет и ги представи в Markdown. Идентифицирай приходите, нетната печалба и оперативния марж.“ За да решите между две оферти, качете и двете и попитайте: „Сравни цените в тези две оферти за едни и същи услуги. Идентифицирай разликите в тарифите.“
Няколко методологични правила за финал. Бъдете конкретни относно това какво търсите — конкретна таблица, колона, тип данни — и винаги посочвайте желания изходен формат (Markdown, CSV, JSON, списък). За сканирани документи се препоръчва разделителна способност от поне 150 DPI за надеждно извличане. Ако документът е много плътен, обработвайте го страница по страница: „Извлечи таблицата от страница 7“ ще даде по-добри резултати от глобалното „Извлечи всички таблици“. И за всяка критична употреба, сверявайте извлечените данни с оригиналния документ — извличането е ускорител, а не освобождаване от отговорност.
Ключови изводи
- Document AI вярно реконструира таблици със заглавия, колони и обединени клетки
- Можете да поискате извличане в Markdown, CSV или JSON в зависимост от Вашите нужди
- Моделът разбира контекста на числовите данни и може да отговаря на конкретни въпроси
- Йерархичната структура на документа (заглавия, подзаглавия, списъци) се запазва
- Винаги проверявайте извлеченията за критични употреби