Document AI¶

什么是 Document AI¶

Document AI 是一项 Snowflake AI 功能，它使用专有的大语言模型 (LLM) Arctic-TILT，从文档中提取数据。Document AI 处理各种格式的文件，并从包含大量文档的段落和图形形式的内容（如徽标、手写文本 [签名] 或复选标记）中提取信息。使用 Document AI，您可以为连续处理特定类型的新文档（如发票或财务报表）准备管道。

Document AI 提供 Zero-Shot 提取和微调功能。Zero-Shot 表示基础模型可以定位和提取特定于文档类型的信息，即使模型以前从未见过文档。正是因为基础模型是基于大量各种文档训练的，所以模型大致了解所处理的文档类型。

此外，您还可以根据特定于用例的文档，对 Snowflake Arctic-TILT 模型进行训练，从而对模型进行微调以改善结果。微调模型（包括使用的训练数据）仅提供给您，不会与其他 Snowflake 客户共享。

何时使用 Document AI¶

Document AI 最适合用于以下情况：

• 您想将文档中的非结构化数据转换为表中的结构化数据。

• 您想创建管道，以连续处理特定类型的新文档。

• 具有领域知识的业务用户准备模型，使用 SQL 的数据工程师准备管道以自动处理新文档。

Document AI 的工作原理¶

使用 Document AI 分为两个阶段：

• 准备 Document AI 模型构建

  您可以将模型构建视为表示单一类型的文档或用例；例如，用于从发票文档中提取信息的模型构建。Document AI 模型构建包括模型、要提取的数据值以及上传的用于测试和训练模型的文档。

  您可以通过 Snowsight 的 Document AI 用户界面准备模型构建。通过该界面，您可以创建模型构建、上传文档以测试和训练模型、使用自然语言提问以定义数据值（要提取的信息）、评估模型、发布模型构建或微调模型以改进结果。

  有关更多信息，请参阅 准备 Document AI 模型构建。

• 从文档中提取信息

  模型构建完成后，就可以开始通过运行提取查询从文档中提取信息，提取查询使用 <model_build_name>!PREDICT 方法。然后，您可以使用提取查询创建管道，以使用 Streams 和 Tasks 进行连续处理。

  有关更多信息，请参阅 使用 Document AI 提取信息。

  备注

  要使用 <model_build_name>!PREDICT 方法处理的文档必须存储在内部或外部暂存区。

要开始使用 Document AI，请参阅 教程：使用文档 AI 创建文档处理管道。

Document AI 模型版本历史¶

要使用最新版本的 Arctic-TILT 模型，请创建新的 Document AI 模型构建。

法律声明¶

输入和输出的 Data Classification 如下表所示。

有关更多信息，请参阅 Snowflake AI 和 ML。