benchrالدليل العملي
من كومة ملفات PDF إلى مجموعة بيانات مهيكلة
مئات المستندات تصير جدولًا واحدًا خلف كل قيمة فيه استشهاد بصفحة.
4 مراحل يوم لتصميم المخطط، ثم ليلة لكل دفعة واجهة Claude البرمجية · واجهة OpenAI البرمجية مكتمل
كل مرحلة تسمّي ما يدخلها وما تفعله ولماذا تقع هنا وما يخرج منها، والسلسلة تقول أين تنكسر.
لم يشغّل benchr هذه القدرات بنفسه. كل مرحلة تشير إلى سجل يصف ما يوثّقه مزوّد، مقروءًا في التاريخ المذكور.
- تبدأ بـ
- كومة ملفات PDF
- لماذا هذه المرحلة
- القراءة الجزئية لا تعلن عن نفسها، فمكان الفحص قبل الاستخراج لا بعده.
- افعل هذا
- صمّم المخطط أولًا وأبقِه مسطّحًا، فالمخطط هو مواصفة التشغيلة كلها.
- تنتهي بـ
- مخطط JSON فيه قيمة "غير مذكور" لكل حقل
ما الذي يخطئ هنا
- تبدأ بـ
- نص المستند وصور الصفحات
- لماذا هذه المرحلة
- المخطط عقد، أمّا طلب JSON بالكلمات فرجاء.
- افعل هذا
- ارفع كل مستند مرة واحدة بالإشارة إلى ملف، واستخرج وفق المخطط مشترطًا رقم صفحة لكل قيمة.
- تنتهي بـ
- سجل لكل مستند مع مصدره
ما الذي يخطئ هنا
- تبدأ بـ
- الصفوف المستخرجة
- لماذا هذه المرحلة
- الكائن الصحيح البنية قد يحمل رقمًا قرأه النموذج من رسم بياني، وهو الشيء الوحيد الذي يخطئ فيه بشكل مقيس.
- افعل هذا
- شغّل المتراكم بشكل غير متزامن بدل طلب في كل مرة.
- تنتهي بـ
- مجموعة البيانات كاملة بنصف سعر التوكنات
ما الذي يخطئ هنا
- تبدأ بـ
- البيانات المستخرجة والصفحات التي جاءت منها
- لماذا هذه المرحلة
- المخطط يحسم الشكل ولا يقول شيئًا عن القيم، فقد يكون الصف سليم البنية خاطئ المضمون. ويجري هذا كودًا لا تمريرةَ نموذج أخرى، لأن فحص المدى والمجموع مما يحسمه البرنامج على النحو نفسه في كل مرة.
- افعل هذا
- تحقق من البيانات: فحوص المدى والمجاميع وعيّنة تُقرأ من جديد مقابل الصفحات الأصلية.
- تنتهي بـ
- تقرير تحقق يسمّي الصفوف الواجب فحصها يدويًا