Extrair Dados de Documentos

Extraia JSON estruturado de documentos com aterramento por valor: cada valor extraído cita de onde veio (número da página, confiança), e valores que não estão claramente presentes são relatados em not_found em vez de serem alucinados. Usa a API Stipple (nível anônimo gratuito).

Quando usar

• Analisar contracheques, faturas, extratos bancários, recibos ou contratos
• Converter documentos não estruturados em JSON para sistemas downstream
• Qualquer extração onde valores alucinados são piores do que valores ausentes (empréstimos, contabilidade, conformidade)

Instruções

1. Obtenha o documento. URL ou caminho de arquivo local (PDF, PNG, JPEG, DOCX).

2. Escolha o modo de extração:

   • Campos Ad-hoc — diga à API exatamente quais campos você deseja:

     curl -X POST https://www.stipple.sh/v1/extract \
       -F "file=@payslip.pdf" \
       -F 'fields=[{"name":"employer_name"},{"name":"net_pay"},{"name":"pay_date"}]' \
       -H "Authorization: Bearer $STIPPLE_API_KEY"
     

   • Modelo — use um esquema integrado: payslip, tax_invoice, bank_statement, receipt, contract
   • Sem esquema — omita fields e deixe o modelo extrair o que encontrar

3. Interprete a resposta.

   {
     "mode": "schema_free",
     "document_type": "payslip",
     "pages_read": 1,
     "fields": {
       "employer_name": {"value": "Acme Cleaning Pty Ltd", "confidence": 0.95, "page": 1},
       "net_pay": {"value": "2845.10", "confidence": 0.97, "page": 1}
     },
     "not_found": ["ytd_tax"]
   }
   

   • Cada valor carrega confidence (o autorrelato do modelo) e page (aterramento)
   • not_found[] lista os campos solicitados que o modelo não conseguiu encontrar — ausências são relatadas, nunca adivinhadas
   • pages_read mostra quantas páginas foram processadas (limites de página se aplicam por documento)

4. Relate honestamente. Isso é extração, não verificação — os valores são o que o documento mostra, não prova que é genuíno:

   • "Empregador: Acme Cleaning Pty Ltd (confiança 0.95, página 1)"
   • "imposto_acumulado_no_ano: não encontrado no documento" — nunca "imposto_acumulado_no_ano: 0" ou um palpite
   • Para "este documento é genuíno?", combine primeiro com a habilidade verify-document

Formato de Saída

Payslip fields (grounded, not guessed):

  Employer          Acme Cleaning Pty Ltd  (confidence 0.95, page 1)
  Employee          J. Citizen             (confidence 0.98, page 1)
  Net pay           2,845.10               (confidence 0.97, page 1)
  Superannuation    268.20                 (confidence 0.93, page 1)

not_found: ytd_tax
(absences are reported, never hallucinated)

Limitações e Segurança

• Faturas, extratos, contracheques e contratos frequentemente contêm dados pessoais, financeiros ou comerciais sensíveis. Obtenha aprovação explícita antes de carregá-los para um terceiro hospedado, minimize o conteúdo enviado e confirme os termos atuais de retenção, residência, acesso e exclusão.
• Confiança e aterramento por página não provam que um valor extraído está correto ou que o documento de origem é autêntico. Reconcilie valores consequentes contra o documento original e sistemas autoritativos antes de pagamento, empréstimo, contabilidade, conformidade ou ação legal.
• Mantenha o arquivo original e a resposta de extração para que um revisor humano possa reproduzir e corrigir campos disputados.

Notas

• Custa 1 crédito por página lida pelo modelo (mínimo de 1); um limite semanal gratuito se aplica
• Modelos: payslip, tax_invoice, bank_statement, receipt, contract — passe como o campo de formulário template
• Tabelas são extraídas com estrutura preservada; documentos de várias páginas são processados página por página
• Combina com verify-document (execute primeiro, para autenticidade) — um valor extraído de um documento adulterado ainda está errado
• Chave gratuita em https://www.stipple.sh para medição além da cota anônima