最新

我们创建Chargenda是因为如今的企业使用了许多工具，而大多数企业常常忘记续订日期、免费试用和定期收费。Chargenda将所有信息集中在一个地方，提前发送续订提醒，帮助团队减少不必要的开支。

嘿，HN， 我之所以开发这个工具，是因为我对传统PDF表格提取工具中的“无声失败”感到厌倦。 在我的日常工作中处理金融和法律文件时，像Camelot或Tabula这样的工具经常返回看似合理但实际上列错位或缺少小数点的数据。在受监管的环境中，你无法承担猜测的风险。 我建立了一个将提取视为需要验证的假设的流程： 1. **提取**：使用IBM的Docling解析布局并获取结构（Markdown格式）。 2. **视觉验证**：从PDF中捕获特定表格区域的截图。 3. **验证**：将Markdown和截图输入本地的视觉大语言模型（Llama 3.2通过Ollama）。 4. **评分**：大语言模型比较像素真实值与提取文本，并输出置信度分数和审计记录。 这个流程的权衡在于速度（每个表格大约需要5秒）与置信度。它被设计为100%本地运行，以保护隐私敏感的文件。 代码库在这里：[https://github.com/2dogsandanerd/validated-table-extractor](https://github.com/2dogsandanerd/validated-table-extractor) 我很想听听你们在RAG管道中如何处理数据完整性！