简介

使用您在“提取”节点中构建、评估和运行的 IXP 模型，从 UiPath Maestro™ Flow 中的文档中提取数据。

“提取”节点将文档处理功能作为流程中的一个步骤带到 UiPath Maestro™ Flow 画布上。它使用 IXP 提取模型从文档中提取结构化字段，并返回结果以供下游节点处理。由于流程使用您配置的输入在固定点调用节点，因此提取行为具有确定性。

本指南涵盖了提取节点背后的模型的完整生命周期：

• 构建模型：上传示例文档，定义分类，配置模型以及验证预测。
• 在将模型部署到生产之前评估模型性能。
• 部署和管理模型。
• 通过 Flow 、自动化或Document Understanding API使用模型。

警告：

“验证提取”节点仅适用于在同一流程中使用“提取文档”选项创建的提取节点。目前尚不适用于绑定到已发布模型或另一个流程中模型的提取节点。有关详细信息，请查看“通过 Flow 使用模型” 。

警告：

只有生成追踪所属预测的用户才能查看该追踪。有关详细信息，请查看维护与监控。

数据提取挑战

从文档提取数据时，您会遇到以下常见挑战，具体取决于您所处的阶段：

在解决方案设计期间

• 难以从头开始构建与组织中的其他自动化部分良好集成的文档处理解决方案。
• 难以创建结构化提取架构。自定义解决方案通常没有用于构建分类并将其可视化的用户界面。

在模型构建和测试期间

• 需要访问不同的 LLM，以测试各种文档类型，这些都是用例。
• 难以快速迭代用户提示并查看预测结果。
• 需要访问更多参数以优化预测结果。

评估期间

• 难以验证预测并提供基础事实。
• 评估模型和字段级指标非常耗时。
• 需比较调整模型参数（例如模型、用户提示词、分块大小、零样本或少样本学习）的影响。
• 用于构建性能指标的可视化，例如，精度、召回量和 F1 分数。

在生产部署期间

• 没有简单的方法来修改和维护用例的数据架构。
• 例如，小模型监管，可以恢复到以前的版本，或选择特定版本进行生产。

Flow 中的文档处理

流中的提取节点可帮助您解决上一部分中概述的挑战，并将文档处理与流程的其余部分集成。

使用提取节点进行一般文档处理，从简单的文档到数据格式不一致的高级场景，例如，在以下情况下：

• 文档包含自由格式文本或复杂元素的段落，例如：
  • 复杂的表格
  • 图形
  • 图表
  • 复选框
  • 标注框
  • 签名
  • 手写内容等。
• 您需要提取推断值，这些值不是直接声明的信息，而是必须从上下文中派生出来的。
• 文档之间或要提取的字段内的布局或结构存在很大差异。
• 您需要处理的是多个文档类型堆栈，它们被组合为一个文件，您需要提取数据，而不是先将其拆分。

收益

以下是在流中使用提取节点的一些好处：

• 提取节点与智能体、自动化和人工任务在同一流程中运行。
• 您可以直接在节点中构建模型，也可以重用从 IXP 部署的模型。
• 更好地支持复杂数据（例如表格和长文档）。
• 您可以控制提示词、LLM 和模型设置。
• 评估运行有版本信息。
• 从开发到生产，模型和分类与解决方案一起部署，无需手动重新创建。
• 每次提取运行都记录在流程追踪中，以进行端到端调试和监控。
• 每个 LLM 请求都会通过AI Trust Layer并接受审核。
• 解决方案包是有版本控制的，因此您可以升级或回滚，并且字段会保留更改历史记录。
• 可以通过公共 API 和活动使用 Flow 中构建的模型，而无需更改自动化。