Cásanna Úsáide Anótála
Ar an leathanach seo
Nuashonrú 2 Samhain 2026 — OCR. Cuireadh deireadh le OCR 4.0 (
mistral-ocr-4-0) ar 30 Meán Fómhair 2026. Bain úsáid as OCR 4.1 (mistral-ocr-4-1), atá ar fáil go ginearálta ón 31 Lúnasa ar an bpraghas céanna, nó an t-ailiasmistral-ocr-latest, a dhíríonn air ón 16 Iúil. Cuirtear scóir muiníne leibhéil bloc leis in OCR 4.1. Forlíonadh 3 Samhain 2026: Seoltar PDF áitiúil i mbonn64 mar{"type": "document_url", "document_url": "data:application/pdf;base64,…"}; níl an cineáldocument_base64ó shamplaí níos sine le fáil sa doiciméadú ná san SDKmistralai, agus theipfeadh ar na samplaí sin. Foinse: OCR Processor · Document QnA. Ceartaithe 3 Samhain 2026: Léigh an cód roimhe seopage.document_annotationleathanach ar leathanach; in SDK 3.7.0mistralai, is réimse aonair san fhreagra é anótáil an doiciméid (response.document_annotation), agus léitear anótáil íomhá óimage.image_annotation.
Anótálacha do Gach Ról
Claochlaíonn anótálacha AI Doiciméad doiciméid neamhstruchtúrtha ina sonraí inghníomhaithe. Is é an mheicníocht i gcónaí mar an gcéanna—scéama, leid, glao—ach athraíonn an méid a eastósca tú go radacach ag brath ar an ról. Siúlfaidh an ceacht seo trí cheithre chur chun feidhme concreiteacha: aicmiú suas srutha i bpíblíne, anailís ar chlausaill chonartha, seiceálacha comhlíontachta rialála, agus saibhriú innéacs RAG.
Sórtáil Roimh Phróiseáil
I sruth oibre fíorshaol, tagann doiciméid measctha le chéile: sonrasc, ordú ceannaigh, cárta aitheantais, litir. Sula gcuirfidh tú an scéama eastósctha iomchuí i bhfeidhm, ní mór duit a bheith ar an eolas faoin méid atá i gceist. Feidhmíonn anótáil mar an chéad chéim sórtála. Glasálann an t-áireamh TypeDocument catagóirí inghlactha, ligeann an scór muiníne duit aon rud faoi throscair a atreorú le haghaidh athbhreithnithe daonna, agus tugann an achoimre aon-waithse comhthéacs leordhóthanach d’oibreoirí chun cinneadh a dhéanamh gan an comhad a oscailt.
import os
from enum import Enum
from pydantic import BaseModel, Field
from mistralai.client import Mistral
from mistralai.extra import response_format_from_pydantic_model
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
class TypeDocument(str, Enum):
INVOICE = "facture"
PURCHASE_ORDER = "bon_commande"
CONTRACT = "contrat"
REPORT = "rapport"
LETTER = "courrier"
FORM = "formulaire"
ID_DOCUMENT = "piece_identite"
OTHER = "autre"
class Classification(BaseModel):
document_type: TypeDocument = Field(
..., description="Identified document type"
)
confidence: float = Field(
..., description="Confidence score between 0 and 1"
)
language: str = Field(
..., description="Primary language (ISO 639-1 code)"
)
summary: str = Field(
..., description="One-sentence summary of the content"
)
def classify_document(document_base64: str) -> Classification:
"""Aicmíonn sé doiciméad go huathoibríoch."""
response = client.ocr.process(
model="mistral-ocr-latest",
document={
"type": "document_url",
"document_url": f"data:application/pdf;base64,{document_base64}"
},
document_annotation_format=response_format_from_pydantic_model(
Classification
),
document_annotation_prompt=(
"Identify the type of this document and provide "
"a summary of its content."
)
)
if response.document_annotation:
return Classification.model_validate_json(
response.document_annotation
)
raise ValueError("No annotation returned")
Conradh a Léamh mar Dhlíodóir
Is cás úsáide mór é anailís chonartha sa dlí agus sa airgeadas, agus is ann a thagann scéimí neadaithe chun cinn go fíor. Iompraíonn gach Clause a theideal, achoimre ar an ábhar, a chatagóir—rúndacht, foirceannadh, neamhiomaíocht, dliteanas, íocaíocht—agus measúnú riosca ar trí leibhéal. Déanann an conradh féin na clausail seo a thiomsú mar aon leis na páirtithe, dáta sínithe, fad, méid, agus dlínse infheidhme. Ar phortfóilió de dhá chéad conradh soláthraí, faigheann tú mapáil i gceann cúpla uair an chloig nár bhain aon duine amach de láimh riamh.
Tuilleann an réimse risk rabhadh: is measúnú é a tháirgeann samhaltóir, úsáideach chun athbhreithniú dlíodóra a thosaíochtú, ach gan é a chur in ionad an dlíodóra sin riamh.
from pydantic import BaseModel, Field
from typing import Optional
class Clause(BaseModel):
title: str = Field(..., description="Title or number of the clause")
content: str = Field(..., description="Summary of the clause content")
clause_type: str = Field(
..., description="Type: confidentiality, termination, "
"non-compete, liability, payment, other"
)
risk: str = Field(
..., description="Risk level: low, medium, high"
)
class ContractAnalysis(BaseModel):
parts: list[str] = Field(
..., description="Names of the contracting parts"
)
signature_date: Optional[str] = Field(
None, description="Signature date (YYYY-MM-DD)"
)
duration: Optional[str] = Field(
None, description="Contract duration"
)
key_clauses: list[Clause] = Field(
..., description="Identified main clauses"
)
amount: Optional[float] = Field(
None, description="Total amount if mentioned"
)
jurisdiction: Optional[str] = Field(
None, description="Applicable jurisdiction"
)
def analyze_contract(document_base64: str) -> ContractAnalysis:
"""Déanann sé anailís ar chonradh agus eastóscaíonn sé príomhchlausaill."""
response = client.ocr.process(
model="mistral-ocr-latest",
document={
"type": "document_url",
"document_url": f"data:application/pdf;base64,{document_base64}"
},
document_annotation_format=response_format_from_pydantic_model(
ContractAnalysis
),
document_annotation_prompt=(
"Analyze this commercial contract. Identify the parts, "
"the main clauses, and evaluate the risk level "
"of each clause."
)
)
if response.document_annotation:
return ContractAnalysis.model_validate_json(
response.document_annotation
)
raise ValueError("No annotation returned")
Comhlíontacht a Fhíorú go Huathoibríoch
Tá rialú rialála oiriúnach go háirithe d’anótáil toisc go bhfuil na critéir scríofa i ndubh agus i mbán sa dlí. I gcás sonrasc Francach, liostaíonn an leid na hoibleagáidí le fíorú—luanna éigeantacha (SIRET, CBL idirchomhphobail, téarmaí íocaíochta, pionóis íocaíochta moillithe), formáidiú méide, dáta eisiúna—agus forfheidhmíonn an scéama, do gach critéar, breithiúnas booleánach lena fhóirithint. Faigheann tú scór domhanda agus moltaí feabhsaithe, rud atá leordhóthanach chun sonrasc neamh-chomhlíontach a bhac sula dtéann sé isteach sa chiorcad íocaíochta.
from pydantic import BaseModel, Field
class CompliancePoint(BaseModel):
criterion: str = Field(..., description="Compliance criterion checked")
compliant: bool = Field(..., description="True if compliant, False otherwise")
justification: str = Field(
..., description="Explanation of compliance or non-compliance"
)
class ComplianceAudit(BaseModel):
document_type: str = Field(..., description="Type of document audited")
compliance_points: list[CompliancePoint] = Field(
..., description="Compliance points checked"
)
global_score: float = Field(
..., description="Global compliance score (0-100)"
)
recommendations: list[str] = Field(
..., description="Improvement recommendations"
)
def audit_invoice_compliance(document_base64: str) -> ComplianceAudit:
"""Fíoraíonn sé comhlíontacht sonraisc de réir rialacha na Fraince."""
response = client.ocr.process(
model="mistral-ocr-latest",
document={
"type": "document_url",
"document_url": f"data:application/pdf;base64,{document_base64}"
},
document_annotation_format=response_format_from_pydantic_model(
ComplianceAudit
),
document_annotation_prompt=(
"Verify the compliance of this invoice according to "
"French legal obligations: mandatory mentions "
"(SIRET, intra-community VAT, payment terms, "
"late payment penalties), amount formatting, issue date."
)
)
if response.document_annotation:
return ComplianceAudit.model_validate_json(
response.document_annotation
)
raise ValueError("No annotation returned")
Gan Aon Rud a Chailleadh Roimh Innéacsú
Cás úsáide amháin eile, níos discreide ach cinntitheach: ábhar a ullmhú d’innéacs RAG. Cailleann innéacs atá tógtha ar Markdown amháin gach rud a bhí amhairc, agus ní aimsíonn do chuardaigh riamh an cairt a bhí ag coinneáil an fhigiúir eochrach. Athdhéanann an fheidhm thíos, leathanach ar leathanach, an téacs agus cur síos ar gach íomhá, ansin cuireann sí leis na meiteashonraí a eastóscaadh ón doiciméad, i mbloc amháin atá réidh le roinnt ina smutání.
def enrich_for_rag(ocr_response) -> str:
"""Saibhríonn sé ábhar OCR le hanótálacha do RAG."""
parts = []
for page in ocr_response.pages:
# Ábhar téacs
parts.append(page.markdown)
# Anótálacha íomhá (cuir cur síos in ionad íomhánna)
for image in page.images:
if image.image_annotation:
parts.append(
f"[Description of {image.id}]: {image.image_annotation}"
)
# Anótáil doiciméid: ceann amháin, iompraíonn an freagra é
if ocr_response.document_annotation:
parts.append(
f"[Extracted Metadata]: {ocr_response.document_annotation}"
)
return "\n\n".join(parts)
Trí chur síos ar íomhánna agus meiteashonraí eastósctha a chur leis an ábhar innéacsaithe, ní chaillfidh tú aon fhaisnéis ón mbundoiciméad. Tabharfaidh tú faoi deara go roinneann na ceithre chás seo an cnámh droma céanna: is é an scéama agus an leid a dhéanann idirdhealú eatarthu, ní an cód glaoite.
Príomhphointí
- Aicmíonn aicmiú uathoibríoch doiciméid chuig an bpíblíne próiseála cheart
- Aithníonn eastóscadh clausaí conartha rioscaí agus pointí eochracha
- Uathoibríonn fíorú comhlíontachta iniúchtaí rialála
- Feabhsaíonn saibhriú anótála cáilíocht innéacsaithe RAG
- Tagann gach cás úsáide anuas go scéama Pydantic dea-dheartha agus leid oiriúnaithe