Sreabhadair Táirgeachta
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 bhí dírithe air ón 16 Iúil. Cuirtear scóir muiníne ar leibhéal na mbloc leis an 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: Próiseálaí OCR · Ceisteanna agus Freagraí ar Dhoiciméid. Ceartaithe 3 Samhain 2026: Léigh an cód roimhe seopage.document_annotationleathanach ar leathanach; in SDK 3.7.0mistralai, is réimse aonair sa fhreagra é an nóta doiciméid (response.document_annotation), agus léitear nóta íomhá óimage.image_annotation.
Ó Chruthúnas Coincheapa go Táirgeadh
Tá foghlamtha agat conas OCR, nótaí, agus Ceisteanna agus Freagraí ar Dhoiciméid (Document AI QnA) a úsáid. Tá bearna chostasach fágtha: an fad idir script a oibríonn ar do ríomhaire glúine agus seirbhís a bhraitheann do chomhghleacaithe uirthi gach maidin. Cuireann an ceacht deireanach seo na bloic thógála roimhe seo le chéile i sreabhadair láidir, le téarnamh ó earráidí, monatóireacht, agus rialú costais san áireamh.
Sé Chomhpháirt de Shreabhadair Iomlán
- Ciú Ionghabhála: Glacann sé le doiciméid agus tosaíocht á tabhairt acu.
- Réamhphróiseáil: Bailíochtaíonn sé, tiontaíonn formáidí, agus feabhsaíonn sé íomhánna.
- OCR + Nótaí: Baintear téacs agus sonraí struchtúrtha amach.
- Iarphróiseáil: Bailíochtaíonn sé, glanann sé, agus saibhríonn sé sonraí.
- Stóráil: Bunachair shonraí, stórais veicteora, agus cartlannú.
- Comhéadan Imscrúdaithe: API Ceisteanna agus Freagraí, deais, agus comhtháthuithe.
Clúdaíonn an cód sa cheacht seo croílár na slabhra—céimeanna 3 agus 4—toisc gurb ann a bhíonn deacrachtaí oibríochtúla dírithe.
Aicme a Chapsúlaíonn Próiseáil
Socraíonn an aicme PipelineDocumentAI cumraíocht uair amháin agus go deo—scéima na nótaí, formáid na dtáblaí, agus líon na n-iarrachtaí athfhillteacha—agus ansin cuireann sí i bhfeidhm í ar gach doiciméad. Tá trí mheicníocht ar chóir duit aird a thabhairt orthu. Ar an gcéad dul síos, déanann athiarracht le cúlú easpónantúil (time.sleep(2 ** tentative)) spásáil idir iarrachtaí de dhara soicind, ansin ceithre shoicind, agus mar sin de. Tugann sé seo am don tsáithiú sealadach API réiteach a fháil seachas é a dhéanamh níos measa. Ar an dara dul síos, déanann logáil rianú ar gach rath lena líon leathanach agus a fhad, agus ar gach teip lena huimhir iarrachta; gan na línte seo, ní bheidh a fhios agat faoi tharlúintí ach nuair a ghlaoidh an roinn cuntasaíochta. Ar deireadh, beathaíonn an foclóir stats an tuarascáil deireadh-baisce.
Tabhair faoi deara go dtugann an modh ResultatTraitement ar ais i gcónaí, fiú tar éis na hiarrachtaí athfhillteacha a ídiú: ní gá don ghlaóir eisceacht a láimhseáil riamh, ní léann sé ach an réimse erreur.
import os
import time
import base64
import logging
from pathlib import Path
from dataclasses import dataclass, field
from mistralai.client import Mistral
from mistralai.extra import response_format_from_pydantic_model
from pydantic import BaseModel, Field
from typing import Optional
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger("document_ai_pipeline")
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
@dataclass
class ResultatTraitement:
fichier: str
pages: int = 0
texte: str = ""
annotations: Optional[dict] = None
duree_secondes: float = 0.0
erreur: Optional[str] = None
class PipelineDocumentAI:
def __init__(
self,
schema_annotation=None,
table_format: str = "markdown",
max_retries: int = 3,
):
self.schema_annotation = schema_annotation
self.table_format = table_format
self.max_retries = max_retries
self.stats = {"total": 0, "succes": 0, "erreurs": 0}
def traiter_document(self, chemin: str) -> ResultatTraitement:
"""Déanann sé doiciméad a phróiseáil le hathiarracht agus monatóireacht."""
debut = time.time()
self.stats["total"] += 1
for tentative in range(self.max_retries):
try:
# Léigh agus ionchódaigh
with open(chemin, "rb") as f:
doc_b64 = base64.b64encode(f.read()).decode("utf-8")
# Paraiméadair glaonna
params = {
"model": "mistral-ocr-latest",
"document": {
"type": "document_url",
"document_url": f"data:application/pdf;base64,{doc_b64}"
},
"table_format": self.table_format,
}
if self.schema_annotation:
params["document_annotation_format"] = (
response_format_from_pydantic_model(
self.schema_annotation
)
)
# Glaoch OCR
response = client.ocr.process(**params)
# Baint téacs amach
texte = "\n\n".join(
p.markdown for p in response.pages
)
# Baint nótaí amach
annotations = None
if self.schema_annotation:
if response.document_annotation:
annotations = response.document_annotation
duree = time.time() - debut
self.stats["succes"] += 1
logger.info(
f"OK: {chemin} ({len(response.pages)} leathanach, "
f"{duree:.1f}s)"
)
return ResultatTraitement(
fichier=chemin,
pages=len(response.pages),
texte=texte,
annotations=annotations,
duree_secondes=duree,
)
except Exception as e:
logger.warning(
f"Tentative {tentative + 1}/{self.max_retries} "
f"échouée pour {chemin}: {e}"
)
if tentative < self.max_retries - 1:
time.sleep(2 ** tentative) # Cúlú easpónantúil
# Theip ar gach iarracht
self.stats["erreurs"] += 1
return ResultatTraitement(
fichier=chemin,
duree_secondes=time.time() - debut,
erreur="Échec après toutes les tentatives",
)
def traiter_dossier(self, dossier: str) -> list[ResultatTraitement]:
"""Déanann sé gach PDF i bhfillteán a phróiseáil."""
chemin = Path(dossier)
fichiers = sorted(chemin.glob("*.pdf"))
resultats = []
for fichier in fichiers:
resultat = self.traiter_document(str(fichier))
resultats.append(resultat)
return resultats
def rapport(self) -> str:
"""Gineann sé tuarascáil próiseála."""
return (
f"Documents traités : {self.stats['total']}\n"
f"Succès : {self.stats['succes']}\n"
f"Erreurs : {self.stats['erreurs']}\n"
f"Taux de succès : "
f"{self.stats['succes']/max(self.stats['total'],1)*100:.1f}%"
)
Go praiticiúil, clúdaíonn an aicme chéanna an dá riachtanas: nuair a dhéantar í a shamplú gan scéima, baintear téacs amach go simplí; nuair a dhéantar í a shamplú le samhalt Pydantic, táirgtear sonraí struchtúrtha freisin.
# Sreabhadair simplí (OCR amháin)
pipeline = PipelineDocumentAI(table_format="markdown")
resultats = pipeline.traiter_dossier("./factures/")
print(pipeline.rapport())
# Sreabhadair le nótaí
from pydantic import BaseModel, Field
class ExtractionFacture(BaseModel):
fournisseur: str = Field(..., description="Nom du fournisseur")
montant_ttc: float = Field(..., description="Montant TTC")
date: str = Field(..., description="Date (YYYY-MM-DD)")
pipeline_annote = PipelineDocumentAI(
schema_annotation=ExtractionFacture,
table_format="markdown"
)
resultats = pipeline_annote.traiter_dossier("./factures/")
An Bille a Thuar
Tá rialú costais riachtanach i dtáirgeadh, agus tosaíonn sé le tuiscint a fháil ar cad a ghearrtar ort.
| Mír | Bonn Billeála |
|---|---|
| OCR | In aghaidh an leathanaigh phróiseáilte |
| Nótaí | San áireamh sa ghlaoch OCR (gan aon chostas breise) |
| Ceisteanna agus Freagraí | Tokenna ionchuir/aschuir bunaithe ar an tsamhalt comhrá |
| Leabaithe | Tokenna ionchuir |
Athraíonn an fhíric nach mbaineann aon chostas breise le nótaí an dearadh: baint meiteashonraí amach le linn an phas OCR seachas glaoch LLM ar leith a rith ina dhiaidh sin. Ligeann an fheidhm meastacháin thíos duit praghas a chur ar thionscadal sula seolann tú é; is figiúirí ord-mhéide iad na rátaí aige le coigeartú, agus fanann tábla tagartha foilsithe Mistral mar údarás.
def estimer_cout(
nombre_pages: int,
avec_qna: bool = False,
modele_qna: str = "mistral-small-latest"
) -> dict:
"""Déanann sé meastachán ar chostas próiseála."""
# Rátaí comhfhogasacha (seiceáil na rátaí reatha)
cout_ocr_par_page = 0.001 # Coigeartaigh bunaithe ar an sraith
cout_qna_par_1k_tokens = {
"mistral-small-latest": 0.001,
"mistral-large-latest": 0.008,
}
cout_ocr = nombre_pages * cout_ocr_par_page
cout_qna = 0.0
if avec_qna:
# Meastachán: ~500 token in aghaidh an leathanaigh ar an meán
tokens_estimes = nombre_pages * 500
cout_qna = (
tokens_estimes / 1000
* cout_qna_par_1k_tokens.get(modele_qna, 0.001)
)
return {
"cout_ocr": round(cout_ocr, 4),
"cout_qna": round(cout_qna, 4),
"cout_total": round(cout_ocr + cout_qna, 4),
}
Sláinte na Seirbhíse a Mhonatóiriú
Meathlaíonn sreabhadair go mall agus go ciúin: seolann soláthraí nua scanadh droch-chaighdeáin, éiríonn an ráta earráide ó 2% go 15%, agus ní thugann aon duine faoi deara é go dtí an dúnta míosúil. Tá ceithre mhéadrach leordhóthanach chun claonadh a bhrath—toirt phróiseáilte, fad meánach, ráta earráide, agus costas measta—ar choinníoll go n-eisíonn tú go córasach iad agus go seolann tú chuig do uirlis ghnáth iad, cibé acu Datadog, Prometheus, nó ceann eile.
import json
from datetime import datetime
def log_metrique(nom: str, valeur: float, tags: dict = None) -> None:
"""Taifeadann sé méadrach monatóireachta."""
metrique = {
"timestamp": datetime.utcnow().isoformat(),
"nom": nom,
"valeur": valeur,
"tags": tags or {}
}
# I dtáirgeadh: seol chuig Datadog, Prometheus, srl.
logger.info(f"METRIQUE: {json.dumps(metrique)}")
# Samplaí méadrach le rianú
log_metrique("ocr.pages_traitees", 150, {"batch": "factures_mars"})
log_metrique("ocr.duree_moyenne_secondes", 2.3)
log_metrique("ocr.taux_erreur", 0.02)
log_metrique("ocr.cout_estime_usd", 0.15)
Cá háit le dul ina dhiaidh sin
Tá na bunúsaigh agat anois chun córas iomlán Document AI a thógáil, agus osclaíonn roinnt leathnú amach ag brath ar do shrianta. Údaríonn toirteanna an-arda imlonnú ar an láthair den tsamhalt OCR ar GPU tiomnaithe; d’fhéadfadh doiciméid atá an-sonrach do do ghnó cúis a thabhairt do mhínchoigeartú, ábhar le plé go díreach le Mistral. Ar thaobh na comhtháthaithe, is é an dúshlán an sreabhadair a nascadh le do chórais atá ann cheana—ERP, CRM—agus deis a thógáil ionas gur féidir le do foirne ceisteanna a chur ar dhoiciméid iad féin gan dul tríotsa. Is é an chéim dheireanach ná an spreagadh láimhe a bhaint: ritheann an sreabhadair go huathoibríoch nuair a thagann doiciméid nua isteach.
Achoimre an Chúrsa
Thug na sé cheacht déag seo tú tríd an timthriall iomlán. Thosaigh tú leis na bunúsaigh—cad é Document AI, an tsamhalt OCR 4, agus cásanna úsáide—sula ndeachaigh tú ar aghaidh chuig OCR chun cinn leis an API, eastóscadh táblaí, ceanntáisc/buntáisc, agus optamú. Thug nótaí eastóscadh struchtúrtha, próiseáil bhaisce, agus rialú comhlíontachta duit ansin, agus ina dhiaidh sin Ceisteanna agus Freagraí ar Dhoiciméid, a d’oscail imscrúdú teanga nádúrtha, ó dhoiciméid aonair go corpais innéacsaithe i RAG. Tá na bloic thógála riachtanacha agat anois chun bainistíocht doiciméad d’eagraíochta a fheistiú le Mistral Document AI.
Príomhphointí
- Áirítear athiarracht, logáil, monatóireacht, agus bainistíocht costais i sreabhadair táirgeachta.
- Cosnaíonn cúlú easpónantúil in aghaidh earráidí sealadacha API.
- Déan meastachán ar do chostais sula ndéanann tú scálú (OCR in aghaidh an leathanaigh, Ceisteanna agus Freagraí in aghaidh an token).
- Ligeann monatóireacht leanúnach duit meath feidhmíochta a bhrath.
- Clúdaíonn Document AI timthriall iomlán an doiciméid, ón ionghabháil go dtí an oibriú.
Do Chuid Eolais a Thástáil
OCR, nótaí, Ceisteanna agus Freagraí: bailíochtaigh an slabhra doiciméad iomlán.
1. Cad a tháirgeann API OCR Mistral ó dhoiciméad?
Freagra: Ábhar struchtúrtha an doiciméid—téacs, táblaí, leagan amach—réidh le húsáid ríomhchlárúcháin: léann OCR 4 an doiciméad mar fhoinse sonraí, ní mar íomhá.
2. Cad é cuspóir API na Nótaí?
Freagra: Meiteashonraí struchtúrtha a eastóscadh de réir do scéime (réimsí sonraisce, clásail chonartha)—ceann ar cheann nó i mbaisc le haghaidh toirteanna arda.
3. Cad a chumasaíonn Ceisteanna agus Freagraí ar Dhoiciméid?
Freagra: Ceisteanna a chur i dteanga nádúrtha faoi dhoiciméad amháin nó níos mó agus freagraí a fháil bunaithe ar a n-ábhar—an sraith chomhrá ar bharr an eastóscadh.
4. Conas a optamaíonn tú cruinneas OCR?
Freagra: Trí cháilíocht ionchuir (taifeach, géire, treoshuíomh) agus limistéir dheacra a láimhseáil—ceanntáisc, buntáisc, leathanú—rud a mhúineann an cúrsa duit a bhainistiú go sainráite.
5. Cén fáth OCR agus RAG a chomhcheangal?
Freagra: Tiontaíonn OCR doiciméid scantha go téacs in-innéacsaithe, agus déanann RAG in-imscrúdaithe ar scála iad: le chéile, cumasaíonn siad cuardach seimeantach ar chartlanna iomlána.
Eastóscadh, nótaí, ceist agus freagra, innéacsú: slabhraíonn an sreabhadair táirgeachta thuas na ceithre cinn le chéile—déanann do pháipéarachas bunachar sonraí de.