Logo DropsTab - niebieska linia przedstawiająca kształt kropli wody z dekoracją świąteczną
Kap. Rynk.: $2.19 T −0.60%Wol. 24h: $118.38 B 4.16%BTC: $63,648.01 −0.69%ETH: $1,795.97 0.15%S&P 500: $7,322.07 −0.20%Złoto: $3,716.64 −1.45%Dominacja BTC: 58.65%

API do wyodrębniania danych o składnikach odżywczych: dopasowanie JSON do schematu z cytowaniami i poziomem pewności dla każdego pola

19 Nov, 2026przezMarkTechPost
Dołącz do naszych mediów społecznościowych

LLM podaje wam błędna wartość wyodrębnioną z dokumentu jako fakt. Ten błąd jest kosztowny, zwłaszcza gdy opieramy na nim decyzje. Nutrient Data Extraction API skierowane jest właśnie do tego problemu. Parsuje pliki PDF, skany, obrazy i pliki Office do formatu spatial JSON lub Markdown. Wyciąga pola mapowe z dokumentu zgodnie ze schematem JSON, a funkcje rozdzielania, klasyfikacji i tworzenia formularzy dostarczają przydatnych prymitywów dla waszych przepływów dokumentów. Każda wyodrębniona wartość jest powiązana z daną stroną za pomocą ramki ograniczającej, etykiety dopasowania i wyniku pewności. Nutrient (wcześniej PSPDFKit) wykorzystuje ten sam silnik zarówno w serwerze MCP, umiejętności agenta, aplikacji Mac jak i SDK.

TL;DR

  • Rozmiar: Hostowany API z 4 trybami parsowania plus automatyczne routowanie.
  • Działa na: Chmurze Nutrient, własnych serwerach przez SDK lub Macu z procesorem Apple Silicon.
  • Gdzie spróbować: Studio, przeglądarkowa przestrzeń robocza do konfiguracji i testowania parsowania, ekstrakcji, klasyfikacji, rozdzielania oraz wypełniania formularzy.
  • Wydajność: 86,2 ogólnie w WholeDoc Bench Nutrient, najlepszy spośród 19 ustawień (API na żywo, Agentic).
  • Najlepsze: 86,2 przy 1,8¢ za stronę, w porównaniu z 67,1 przy 17,8¢ dla najlepszego ustawienia modelu frontier.

Jak przetestować to w Studio przed napisaniem kodu?

Studio to przeglądarkowa przestrzeń robocza Nutrient do konfiguracji i testowania API przed integracją z aplikacją. Pozwala ono testować parsowanie, ekstrakcję, klasyfikację, rozdzielanie oraz wypełnianie formularzy na własnych plikach. Typowy cykl:

  1. Prześlij próbny dokument i ustal parametry, które zamierzasz wysłać.
  2. Stwórz schemat w interfejsie użytkownika lub wygeneruj go na podstawie własnych dokumentów.
  3. Uruchom to na świeżym dokumencie, następnie sprawdź wartości i cytaty.
  4. Zapisz konfigurację jako wersję predefinicji. API nazywa ją procesorem z identyfikatorem proc_.
  5. Oceniaj wersje predefinicji na podstawie maksymalnie 25 przeanalizowanych dokumentów w zestawie ewaluacyjnym.

Procesory zapisane w Studio mogą być następnie wywoływane z API po ID.

Który tryb wybrać?

Auto kieruje każdą stronę do trybu structure, understand lub agentic. Jeśli tryb zostanie pominięty, API domyślnie wybiera understand.

OperacjaNajlepsze dlaCena za stronęEkstrakcja na stronęWholeDoc Bench*
Parsowanie: tekstDokumenty PDF i pliki Office powstałe cyfrowo, bez OCR0,001$0,007$**Nie testowane
Parsowanie: structureOCR dla skanów o prostych układach, bez AI0,0015$0,0075$39,4
Parsowanie: understandAnaliza układu za pomocą AI: formularze, złożone layouty0,009$0,015$80,8
Parsowanie: agenticModel języka wizualnego: pismo kursywą, zniszczone skany, wykresy0,018$0,024$86,2
KlasyfikacjaEtuike dokumentów zero-shot0,001$n/an/a
RozdzielanieOddzielanie połączonych plików PDF na osobne dokumenty0,003$n/an/a

*Wynik parsowania w WholeDoc Bench, 5 listopada 2026 r.; nie dokładność ekstrakcji. Ekstrakcja dodaje 0,006$ za stronę. **Dokumentacja API wymienia ekstrakcję w trybie tekstowym; umiejętności agenta zaczynają się od trybu structure.

Ceny podano w dolarach, przy czym jedno saldo jest udostępniane przez interfejsy API chmury Nutrient, co pozwala zespołom na dowolne kombinacje. Plan darmowy zapewnia miesięczny limit $5, wystarczający do około 330 operacji wyodrębniania w trybie rozumienia. Starter kosztuje $75 miesięcznie za $90 zużycia; Growth kosztuje $275 za $345.

Jak działa podstawiona pewność?

W wpisie o pewności Nutrient, pole o ocenie 0,97 pochodziło z niewłaściwego kolumny.

Aktualny wynik jest kompozycją opcjonalnych sygnałów: prawdopodobieństwa tokenu, marginesu kandydata, uzasadnienia i formatu. Model uzasadniania NLI Nutrient jest dostępny na licencji Apache-2.0. Wartość uzasadniona może nadal odpowiadać na nieprawidłowe pole. Gdy brak wyniku, poziom pewności jest pomijany, a nie uznawany za niski.

Każde pole otrzymuje również etykietę dopasowania: id_match, id_match_multiblock, id_match_partial, fuzzy_match lub not_found. Najpierw sprawdź etykietę, a następnie wartość pewności.

Kopiuj kodSkopiowanoUżyj innego przeglądarki

import json, requests

API_KEY = "twoje_klucz_api"
schema = {
    "type": "object",
    "properties": {
        "numer_faktury": {"type": "string", "description": "Numer faktury pod informacjami o dostawcy."},
        "suma_razem": {"type": "number", "description": "Drukowana suma końcowa包含podatek. Nie subtotal."},
    },
    "required": ["numer_faktury", "suma_razem"],
}
instructions = {"schema": schema, "parseConfig": {"mode": "understand"},
                "options": {"includeCitations": True}}

with open("faktura.pdf", "rb") as f:
    r = requests.post(
        "https://api.nutrient.io/extraction/extract",
        headers={"Authorization": f"Bearer {API_KEY}"},
        files={"file": ("faktura.pdf", f, "application/pdf"),
               "instructions": (None, json.dumps(instructions), "application/json")},
        timeout=300,
    )
r.raise_for_status()
out = r.json()["output"]
data, metadata = out.get("data") or {}, out.get("metadata") or {}

EXACT = {"id_match", "id_match_multiblock"}
THRESHOLD = 0.97  # tylko ilustracyjnie; należy ocenić na reprezentatywnych dokumentach

for field in schema["properties"]:  # przejdź przez oczekiwane pola, aby żadne nie ominęło kontroli
    value = data.get(field)
    meta = metadata.get(field) or {}
    match, conf = meta.get("match"), meta.get("confidence")  # None = brak oceny
    spełnia warunki: (value nie jest None i match znajduje się w EXACT
              oraz conf nie jest None i conf >= THRESHOLD)
    print(field, value, match, conf, "strona", meta.get("pageNumber"),
          "PASSES_BASIC_CHECKS" jeśli spełnia warunki, w przeciwnym razie "REVIEW")

To demo obejmuje tylko płaskie schematy; produkcja wymaga sprawdzania typów i reguł biznesowych. Bariera 0,97 odzwierciedla pola pieniężne w tutorialu hipotecznym Nutrient.

Jak działają classify i split?

Model decyzyjny dokumentów napędza funkcje classify i split. Nutrient raportuje F1 dla split na poziomie 96,2% w porównaniu z 63,7% dla Jev firmy Typesafe AI.

Jak korzystają z niego agenci?

Hostowany serwer MCP nie wymaga klucza API. Claude Code łączy się za pomocą jednego polecenia:

Kopiuj kodSkopiowanoUżyj innego przeglądarki

claude mcp add --transport http --scope user nutrient https://mcp.nutrient.io/mcp

Claude i Codex współpracują również poprzez OAuth. Domyślny tryb agentyka kosztuje $0,018 za stronę do analizy.

Agenci programujący mogą zainstalować umiejętność document-extraction-api za pomocą polecenia npx skills add pspdfkit-labs/nutrient-skills –skill document-extraction-api.

Czy można uruchomić to lokalnie?

W aplikacji na Macu dokumenty pozostają lokalne wyłącznie przy użyciu lokalnego modelu. Pełna offline produkcja wymaga SDK.

Jak oceniany jest w WholeDoc Bench?

Nowy WholeDoc Bench firmy Nutrient ocenia całe dokumenty, a nie pojedyncze strony: 480 dokumentów, ponad 30 języków, 7 obszarów.

UstawienieOgólnieTabeleWykresyPozycja¢/strona
Nutrient Agentic86,287,164,588,61,8
Nutrient Understand80,886,135,186,40,9
Claude Fable 5.1 (duże wysiłki)67,184,758,966,017,8
Azure Document Intelligence65,969,4072,5≈2,8
GPT-6.1 Sol (średni wysiłek)62,982,847,649,3≈3,1
Extend (wydajność)60,580,840,675,22,0
Reducto (R-1)59,976,438,576,4≈1,7
LlamaParse Agentic Plus56,789,50*65,4≈5,6
AWS Textract49,971,4070,01,5
Docling40,063,920,20Local

Wybrane wiersze, klasyfikacja WholeDoc, 5 listopada 2026 r., ceny listowe. *Wynik nadal jest poddawany ocenie.

Największą luką jest ciągłość między stronami. W przypadku 44 dokumentów z tabelami rozciągającymi się na kilka stron, 15 z 19 ustawień rzadko zachowywało je w całości.

Nutrient stworzył i przetestował to rozwiązanie, a główny zestaw testowy jest prywatny. Kod jest dostępny na licencji Apache-2.0, wraz z publicznym próbką składającą się z 10 dokumentów.

Główne wnioski

  • Pola zawierają informacje o stronach, regionach, etykietach dopasowania oraz, jeśli dostępne, poziomie pewności.
  • Konfiguruj i testuj w Studio przed pisaniem jakiegokolwiek kodu API.
  • Ekstrakcja w trybie Understand kosztuje 15 USD za 1 000 stron.
  • Agentic wyprzedza Nutrient’s WholeDoc Bench z wynikiem 86,2 przy koszcie 1,8 centa za stronę.
  • Wykresy nadal są trudne do ekstrakcji: najlepszy wynik dla wykresów w WholeDoc to 64,5.

Zobacz API do ekstrakcji danych, benchmarki, serwer MCP oraz umiejętności agenta na GitHub.


Dziękujemy zespołowi AI Nutrient za liderstwo myślowe i udostępnione zasoby do tego artykułu. Ten artykuł jest sponsorowany.

Post Nutrient Data Extraction API: JSON Matching Your Schema With Per-Field Citations and Confidence ukazał się po raz pierwszy na blogu MarkTechPost.

Kontynuuj czytanie tego artykułu w źródle: marktechpost.com