Εξαγωγή Δομημένων Δεδομένων: Πίνακες, Κεφαλίδες και Αριθμητικά Στοιχεία
Σε αυτήν τη σελίδα
Ενημέρωση 2 Νοεμβρίου 2026 — Το Le Chat γίνεται Vibe. Από τις 28 Μαΐου 2026, το Le Chat είναι πλέον το Vibe (παραμένει στη διεύθυνση chat.mistral.ai): ένας ενιαίος πράκτορας για εργασία και κώδικα, ο οποίος διατηρεί τις συνομιλίες, τις ρυθμίσεις και τις συνδρομές σας. Η παλαιότερη εμπειρία του Le Chat παραμένει προσβάσιμη στη λειτουργία Chat· στη λειτουργία Work, οι πράκτορες έχουν μετατραπεί σε δεξιότητες (καλούνται με
@), οι μνήμες αποτελούν τη βάση γνώσεων και η βαθιά αναζήτηση είναι η δεξιότητα Deep Research. Τα πακέτα ονομάζονται πλέον Mistral Free, Pro, Team και Enterprise. Αυτό το μάθημα χρησιμοποιεί την ονομασία Vibe· ορισμένα μενού που περιγράφονται εδώ ενδέχεται να έχουν αλλάξει ονομασία ή θέση.
Από Ακατέργαστα Έγγραφα σε Οργανωμένα Δεδομένα
Η εξαγωγή κειμένου από ένα έγγραφο είναι καλή αρχή. Ωστόσο, η πραγματική αξία αναδεικνύεται όταν λαμβάνετε δομημένα δεδομένα: καθαρούς πίνακες, αναγνωρισμένα στοιχεία και ταξινομημένες κεφαλίδες. Αυτή είναι η διαφορά μεταξύ της λήψης μιας φωτοτυπίας οικονομικής κατάστασης και της λήψης της ίδιας κατάστασης σε ένα εύχρηστο υπολογιστικό φύλλο. Το Document AI της Mistral διαπρέπει ακριβώς σε αυτό το έργο: δεν διαβάζει απλώς το κείμενο, αλλά κατανοεί τη δομή του εγγράφου και επιστρέφει πληροφορίες σε άμεσα usable μορφή.
Πίνακες: Το Ιδανικό Πεδίο Εφαρμογής
Οι πίνακες συναντώνται παντού στα επαγγελματικά έγγραφα—οικονομικές καταστάσεις, τιμοκατάλογοι, προγράμματα, αποτελέσματα μελετών—και αυτό είναι ιστορικά το σημείο όπου το κλασικό OCR απέτυχε πιο παταγωδώς, μετατρέποντας στήλες και γραμμές σε ένα χάος. Ο μηχανισμός OCR 3, αντιθέτως, τους διαχειρίζεται με αξιοσημείωτη ακρίβεια. Όταν ανεβάζετε ένα έγγραφο που περιέχει πίνακα στο Vibe, το μοντέλο πρώτα εντοπίζει τα όρια του πίνακα, ακόμη και όταν αυτά είναι δυσδιάκριτα ή χρωματιστά. Στη συνέχεια, αναγνωρίζει τις κεφαλίδες και τις διαχωρίζει από τα δεδομένα, συσχετίζοντας κάθε κελί με τη στήλη και τη γραμμή του. Διαχειρίζεται ακόμη και δύσκολες περιπτώσεις: συγχωνευμένα κελιά, ενδιάμεσα αθροίσματα, υποσημειώσεις—όλες οι κλασικές παγίδες που ένα κακώς μετατραμμένο υπολογιστικό φύλλο μετατρέπει σε σιωπηλά σφάλματα.
Για να λάβετε ένα usable αποτέλεσμα, κάντε συνήθεια να καθορίζετε την επιθυμητή μορφή στο prompt σας. Η εντολή «Εξαγάγετε τον πίνακα από τη σελίδα 3 σε μορφή Markdown» σας δίνει έναν πίνακα αναγνώσιμο απευθείας στο Vibe· η εντολή «Μετατρέψτε αυτόν τον πίνακα σε CSV ώστε να τον επικολλήσω στο Excel» τον προετοιμάζει για εισαγωγή σε υπολογιστικό φύλλο· η εντολή «Εξαγάγετε μόνο τη στήλη ‘Ποσό’ και τη στήλη ‘Ημερομηνία’» φιλτράρει αυτά που χρειάζεστε από την πηγή. Το Markdown είναι συχνά η πιο πρακτική μορφή για καθημερινή χρήση: άμεσα αναγνώσιμο και εύκολο στην αντιγραφή-επικόλληση σε άλλα εργαλεία.
Κεφαλίδες, Ιεραρχία και Δομή
Πέρα από τους πίνακες, το Document AI μπορεί να ανακατασκευάσει την ιεραρχία του εγγράφου: οι τίτλοι και οι υπότιτλοι αναγνωρίζονται και ταξινομούνται ανά επίπεδο (h1, h2, h3), οι παράγραφοι διαχωρίζονται μεταξύ τους ακόμη και χωρίς ορατά αλινέα, οι λίστες με κουκκίδες ή αρίθμηση ανακατασκευάζονται σωστά και οι υποσημειώσεις συνδέονται με τις αναφορές τους. Αυτή η δυνατότητα είναι ανεκτίμητη όταν εργάζεστε με μακροσκελείς εκθέσεις ή νομικά έγγραφα, όπου η δομή φέρει τόσο νόημα όσο και το κείμενο: το να γνωρίζετε ότι μια ρήτρα εμφανίζεται στην ενότητα «Εγγυήσεις» και όχι στα «Διάφορα» αλλάζει την ερμηνεία της.
Επομένως, μπορείτε να κάνετε αιτήματα δομής: «Δώσε μου τον πίνακα περιεχομένων αυτού του εγγράφου», «Κατάγραψε όλους τους τίτλους ενοτήτων με τους αριθμούς σελίδων τους» ή ακόμη και «Εξάγετε μόνο τις παραγράφους που συζητούν τις εγγυήσεις»—το τελευταίο συνδυάζει δομή και νόημα.
Αριθμητικά Δεδομένα, με Πλαίσιο
Τα οικονομικά έγγραφα, οι προσφορές, τα τιμολόγια και οι εκθέσεις δραστηριότητας είναι γεμάτα αριθμούς: οικονομικά ποσά (έσοδα, σύνολα, ΦΠΑ, εκπτώσεις), ημερομηνίες υπογραφής ή λήξης, ποσοστά μεριδίου αγοράς ή περιθωρίου κέρδους, και αναγνωριστικά όπως αριθμοί τιμολογίων, κωδικοί πελατών ή κωδικοί SIRET. Αυτό που ξεχωρίζει το Document AI είναι ότι δεν εξάγει απλώς αριθμούς—κατανοεί το πλαίσιό τους. Αν ρωτήσετε «Ποια είναι τα ετήσια έσοδα;», αναζητά συγκεκριμένα τον αριθμό που συνδέεται με αυτή την έννοια, ακόμη και αν είναι θαμμένος σε έναν πίνακα 50 γραμμών. Ένα κλασικό OCR θα σας έδινε πενήντα αριθμούς χωρίς ετικέτα· εδώ, λαμβάνετε τον σωστό.
Αυτή η κατανόηση σας επιτρέπει να προχωρήσετε πέρα από την εξαγωγή: μπορείτε να ζητήσετε υπολογισμούς και επαληθεύσεις. Η ερώτηση «Είναι σωστό το άθροισμα της στήλης ‘Ποσό χωρίς ΦΠΑ’;» κάνει το μοντέλο να υπολογίσει ξανά· η ερώτηση «Ποια είναι η διαφορά μεταξύ των προβλεπόμενων και των πραγματικών στοιχείων;» διασταυρώνει δύο στήλες· η ερώτηση «Ποιο κονδύλι εξόδων αντιπροσωπεύει το μεγαλύτερο μερίδιο;» μετατρέπει τον πίνακα σε ανάλυση.
Για προχωρημένους χρήστες, η εξαγωγή σε JSON δομεί την έξοδο για τα εργαλεία σας: «Εξάγετε τις ακόλουθες πληροφορίες από αυτό το τιμολόγιο σε μορφή JSON: αριθμός, ημερομηνία, ποσό χωρίς ΦΠΑ, ΦΠΑ, ποσό με ΦΠΑ, προμηθευτής» ή «Δημιουργήστε ένα αντικείμενο JSON με τα δεδομένα κάθε γραμμής του πίνακα». Αυτή η μορφή είναι ιδανική εάν τα δεδομένα πρέπει να τροφοδοτήσουν αργότερα ένα υπολογιστικό φύλλο, μια βάση δεδομένων ή άλλο λογισμικό.
Στην Πράξη
Δείτε πώς συνδυάζονται αυτές οι δυνατότητες σε τρία κοινά σενάρια. Λαμβάνετε μια στοίβα τιμολογίων PDF: για το καθένα, ζητήστε «Εξάγετε από αυτό το τιμολόγιο: όνομα προμηθευτή, ημερομηνία, αριθμό τιμολογίου, ποσό χωρίς ΦΠΑ, ΦΠΑ και ποσό με ΦΠΑ. Παρουσιάστε τα ως πίνακα»—και η λογιστική σας εγγραφή είναι έτοιμη. Αντιμετωπίζετε μια ετήσια έκθεση 50 σελίδων: «Εξάγετε όλους τους οικονομικούς πίνακες από αυτή την έκθεση και παρουσιάστε τους σε Markdown. Εντοπίστε τα έσοδα, τα καθαρά κέρδη και το λειτουργικό περιθώριο». Για να αποφασίσετε μεταξύ δύο προσφορών, ανεβάστε και τις δύο και ρωτήστε: «Συγκρίνετε τις τιμές σε αυτές τις δύο προσφορές για τις ίδιες υπηρεσίες. Εντοπίστε τις διαφορές στις χρεώσεις».
Μερικοί μεθοδολογικοί κανόνες για το τέλος. Να είστε συγκεκριμένοι σχετικά με το τι αναζητάτε—έναν συγκεκριμένο πίνακα, μια στήλη, έναν τύπο δεδομένων—και να καθορίζετε πάντα την επιθυμητή μορφή εξόδου (Markdown, CSV, JSON, λίστα). Για σαρωμένα έγγραφα, συνιστάται ανάλυση τουλάχιστον 150 DPI για αξιόπιστη εξαγωγή. Εάν το έγγραφο είναι πολύ πυκνό, επεξεργαστείτε το σελίδα προς σελίδα: η εντολή «Εξάγετε τον πίνακα από τη σελίδα 7» θα αποδώσει καλύτερα αποτελέσματα από μια γενική «Εξάγετε όλους τους πίνακες». Και για κάθε κρίσιμη χρήση, διασταυρώστε τα εξαχθέντα δεδομένα με το πρωτότυπο έγγραφο—η εξαγωγή είναι επιταχυντής, όχι απαλλαγή από ευθύνες.
Βασικά σημεία
- Το Document AI ανακατασκευάζει πιστά πίνακες με κεφαλίδες, στήλες και συγχωνευμένα κελιά
- Μπορείτε να ζητήσετε εξαγωγή σε Markdown, CSV ή JSON ανάλογα με τις ανάγκες σας
- Το μοντέλο κατανοεί το πλαίσιο των αριθμητικών δεδομένων και μπορεί να απαντήσει σε συγκεκριμένες ερωτήσεις
- Η ιεραρχική δομή του εγγράφου (τίτλοι, υπότιτλοι, λίστες) διατηρείται
- Να επαληθεύετε πάντα τις εξαγωγές για κρίσιμες χρήσεις