Песочница: EQR USA - GROWER

Intent ID: 26

1) Загрузить файл и получить сырой OCR JSON

Сохраняем последний файл и сырой OCR, чтобы можно было повторно тестировать маппинг без перезагрузки.

Скачать последний файл (Invoice 586242.pdf)

2) Правила трансформации

Правила трансформации OCR-данных в целевую схему (включая валидацию).

Промпт LLM-подсказки

Ты создаёшь правила трансформации данных инвойса из сырого OCR в целевую JSON-схему.

Сырой OCR-JSON получен из table_parsing (распознавание таблиц из изображений).
Особенности формата:
- header_text может содержать текст шапки документа (номер, дату, поставщика, AWB и т.д.).
- metadata может быть пустым.
- table.columns — заголовки колонок; могут содержать слипшиеся слова или символ \
"#" распознанный как "1". Могут быть пустыми — тогда определи смысл колонок по данным.
- table.rows — массив строк; каждая строка = массив значений в порядке columns.
- totals_raw — итоговые значения с последней страницы (может быть пустым).
- sections и notes обычно пустые.

<сырой_ocr_json>
{raw_json}
</сырой_ocr_json>

<целевая_json_схема>
{target_schema}
</целевая_json_схема>

=== ШАГ 1: АНАЛИЗ ДАННЫХ (выполни перед генерацией правил) ===

Прежде чем писать правила, ответь себе на вопросы:

1. КОЛОНКИ: если table.columns пуст, определи смысл каждой колонки по данным. \
Для каждого индекса укажи: "колонка N = что это" (число коробок, маркировка, \
название сорта, категория, бантчи, стебли, цена за штуку, итого, номер заказа и т.д.).

2. ТИП ИНВОЙСА — определи по структуре OCR:
   А) Составные коробки (заголовок + детали): есть строки-заголовки (MIXED BOX) \
с общими суммами, за ними строки-детали с отдельными сортами.
   Б) Плоские: каждая строка = одна позиция = одна коробка. Нет MIXED BOX.
   Г) Групповые коробки без агрегата: строка с заполненными Boxes/Order/BoxT = начало \
новой коробки. Эта же строка = первый товар. Последующие строки с пустыми \
Boxes/Order/BoxT = товары в той же коробке. box_number наследуется от строки-заголовка.
   В) Секции по фермам: строки группируются по фермам/HAWB.
   Д) Гибридный (составные + individual в одном инвойсе): строки с PRODUCT = \
"MIXED BOX" открывают группы с деталями ниже, а строки с конкретным сортом \
(не "MIXED BOX"), непустым # и непустым LABEL являются individual box и \
должны маппиться в item напрямую.

3. ФИЗИЧЕСКИЕ КОРОБКИ: найди колонку с количеством физических коробок. \
Колонка # (часто col 0) содержит КОЛИЧЕСТВО физических коробок в строке. \
Значение может быть 1, 2, 6, 14 и т.д. Значение # в строке TOTALS = общее \
число коробок в инвойсе. ВАЖНО: items[].boxes = значение из этой колонки \
(НЕ хардкод 1). Не путай # с числом бантчей/сортов внутри коробки.

4. MIXED BOX — определи, что это значит в данном инвойсе:
   - Вариант 1: одна физическая коробка со смешанными сортами внутри \
(строки-детали = сорта в одной коробке). В этом случае каждая строка-деталь = \
1 item с boxes=1, данные берутся напрямую из строки без деления.
   - Вариант 2: одна строка описывает N одинаковых физических коробок \
(boxes > 1 и нет строк-деталей). В этом случае раскрой: создай N items \
с boxes=1, поделив quantity и total_price на N.
   Подсказка: если после деления quantity получаются дробные стебли (3.125, 1.786) — \
ты неправильно определил что делить. Стебли всегда целые или кратные размеру бантча.
   - Вариант 3: строка с # > 1 и конкретным сортом (не "MIXED BOX") без \
строк-деталей — это N одинаковых коробок с одним сортом. Раскрой в N items \
с boxes=1: quantity_each = quantity / N, total_price_each = total_price / N. \
Генерируй уникальный box_number для каждого раскрытого item.

=== ШАГ 2: БИЗНЕС-ПРАВИЛА ===

РАСКРЫТИЕ МУЛЬТИБОКСА (применяй только для варианта 2 из шага 1):
Если одна строка = N одинаковых физических коробок без строк-деталей — раскрой \
в N отдельных items[] с boxes=1.
Пример: строка "5 boxes, 1500 stems, $750" → 5 строк по boxes=1, quantity=300, \
total_price=150.
При раскрытии мультибокса каждый раскрытый item должен получить УНИКАЛЬНЫЙ box_number. \
Если исходный номер "ORD123" и boxes=3, генерируй "ORD123-1", "ORD123-2", "ORD123-3".
Если MIXED BOX = одна коробка с разными сортами (вариант 1) — НЕ раскрывать. \
Каждая строка-деталь уже описывает один сорт с готовыми quantity и total_price.

НОМЕР КОРОБКИ (box_number):
1. Если в таблице есть колонка Order/LABEL с уникальным номером — используй его.
2. Если уникального номера нет — генерируй: первые 3 буквы названия плантации \
и порядковый номер коробки (QUA1, QUA2, GUI1, BOT1 и т.д.).

ПОДСЧЁТ summary.total_boxes:
Приоритеты:
1. Строка TOTALS: значение в col 0 (#) = сумма физических коробок.
2. Если есть секция "Total Full / F / H / Q / E" — total_boxes = сумма F+H+Q+E \
(Full, Half, Quarter, Eighth).
3. Если BOX N° содержит только group ID (001, 003, 005 — не для каждой физической \
коробки), а total_boxes берётся из секции типов, то BOX N° = group identifier.

МАРКИРОВКА КОРОБКИ (box_marking):
Тип + размер коробки из колонки BOX/BoxT (напр. "HB 2 (120*35*35)", "HB XL 1", "QB"). \
Для строк-деталей бери box_marking из строки-заголовка их коробки.

ПОЛЕ plantation:
- Если есть колонка FARM — бери оттуда (без кодов типа PC602017194).
- Если нет колонки FARM — plantation = название поставщика из metadata или шапки инвойса.
- Mark Code / MARK — это НЕ плантация (часто это код клиента).

ПОЛЯ category, variety, length:
- category: из колонки SPECIES/Species (ROSES, ALSTRO, CARNATION). \
Если нет отдельной колонки — определи по описанию.
- variety: из колонки VARIETY/Description. Если встроена в PRODUCT \
("AMIRA 60CM N 25ST QUCT") — извлеки только название сорта ("AMIRA").
- length: из колонки LEN/Length/Lenght. Если встроена в название ("60CM") — \
извлеки число. Если несколько значений ("40CMN 25ST QUOT") — бери первое число перед CM.

=== ШАГ 3: САМОПРОВЕРКА ===

Мысленно примени свои правила к первым 3-5 строкам данных и проверь:
- quantity в каждом item — целое число или кратное размеру бантча (25, 10). \
Дробные стебли (3.125, 1.786, 14.06) — признак ошибки в правилах.
- unit_price — разумная цена за стебель ($0.20–$5.00 для цветов).
- sum(items[].quantity) ≈ totals.total_stems (если есть в данных).
- sum(items[].total_price) ≈ totals.total_amount (если есть в данных).
- sum(items[].boxes) должно совпадать со значением # в строке TOTALS (если есть в данных).
- count(unique items[].box_number) должен быть разумным (если boxes где-то > 1, \
count(unique box_number) обычно меньше items_count только после корректного раскрытия).
- Каждый item должен иметь непустой box_number.
Если проверка не сходится — пересмотри правила перед ответом.

=== ФОРМАТ ОТВЕТА ===

Верни JSON с единственным ключом:
- "transform_rules": массив коротких правил (строки на русском языке)

КРИТИЧНО — правила будут применяться к НОВЫМ документам того же поставщика, \
где конкретные значения (номера инвойсов, даты, суммы, AWB, количество стеблей) \
будут ДРУГИМИ. Поэтому:

ЗАПРЕЩЕНО включать в правила:
- Конкретные значения из образца: номера инвойсов, даты, AWB, суммы, количества
- Абсолютные индексы строк (индекс 23, индекс 30) — число строк в таблице разное
- Конкретные названия стран или имена клиентов из данного документа

ОБЯЗАТЕЛЬНО сгенерируй правила для processing_report:
- sum_stems = sum(items[].quantity)
- sum_amount = sum(items[].total_price)
- sum_boxes = количество УНИКАЛЬНЫХ непустых items[].box_number
- expected_stems = summary.total_stems
- expected_amount = summary.total_amount
- expected_boxes = summary.total_boxes
- items_count = len(items)
- status: "ok" если всё сошлось, "warning" если расхождения, "error" если ключевые данные не извлечены
- discrepancies: список расхождений (отсутствие box_number, несовпадение сумм и т.д.)
- notes: тип инвойса, кол-во коробок, проблемы при извлечении, раскрытие мультибокса, \
текст "Notice:" если есть
Адаптируй формулы к реальной структуре данных. Если коробки распознаются \
в нестандартных ячейках — опиши откуда именно брать значения и как считать.

ОБЯЗАТЕЛЬНО описывать:
- МЕТОД извлечения: "найти строку с меткой 'MAWB'", "последняя строка таблицы", \
"строка, содержащая 'Totals'"
- Ссылки на КОЛОНКИ по имени и индексу (колонки стабильны между документами)
- ПАТТЕРНЫ поиска: "строка, где колонка 0 содержит 'DAU-'", а не конкретное значение

Пример ПЛОХОГО правила: "summary.total_stems: значение 700 из строки индекс 30."
Пример ХОРОШЕГО правила: "summary.total_stems: найти строку с меткой 'Totals', \
взять значение из колонки 1, преобразовать в число."

Требования к правилам:
1. Ссылайся на названия колонок из table.columns (по индексу и по имени).
2. Опиши как заполнить КАЖДОЕ поле целевой схемы, используя метод извлечения, \
а не конкретные значения.
3. Укажи определённый тип инвойса (А/Б/В) и логику распознавания строк.
4. Укажи МЕТОД извлечения для invoice_number, date, supplier, country, awb: \
по какой метке/паттерну найти значение. Если в сыром OCR есть поле header_text — \
используй его как приоритетный источник для полей шапки (номер, дата, поставщик, страна, AWB).
5. Опиши логику box_number: реальный номер из данных или генерация PREFIX+seq.
6. Если применяется раскрытие мультибокса — опиши логику. \
Если не применяется — явно укажи, что каждая строка-деталь = 1 item без деления.
7. Числовые поля — числа, не строки. Убери "$", "EUR", запятые.
8. Правила валидации: sum(items[].total_price) ≈ summary.total_amount, \
sum(items[].quantity) ≈ summary.total_stems, \
count(unique items[].box_number) = summary.total_boxes.
9. Верни только валидный JSON.

Используется кнопкой «Подсказать rules».

Transform rules (JSON массив строк)

[
  "Тип инвойса: Б (плоский) - каждая строка с данными представляет одну позицию/коробку, нет строк MIXED BOX или группировок по фермам.",
  "Колонки (определены по заголовкам строки 4): колонка 0 = Box# (номер коробки), колонка 1 = Marking (маркировка), колонка 2 = Description (описание), колонка 3 = Stems (количество стеблей), колонка 4 = Price (цена за стебель), колонка 5 = Amount (сумма).",
  "invoice_number: найти строку, где колонка 3 содержит метку 'Invoice #:' или 'Invoice No:', взять значение из следующей колонки (колонка 4).",
  "invoice_date: найти строку, где колонка 0 содержит метку 'Date:', взять значение из колонки 1.",
  "supplier: найти строку, где колонка 0 содержит метку 'Supplier:', взять значение из колонки 1.",
  "country: если в header_text или metadata есть страна - извлечь оттуда, иначе оставить пустой строкой.",
  "awb: если в header_text или metadata есть AWB/MAWB - извлечь по паттерну, иначе оставить пустой строкой.",
  "items: обрабатывать строки таблицы, начиная с той, где колонка 0 содержит числовое значение (не заголовки и не итоги).",
  "items[].box_number: взять значение из колонки 0 (Box#). Если пустое - сгенерировать: первые 3 буквы supplier + порядковый номер позиции (например, TES1, TES2).",
  "items[].box_marking: взять значение из колонки 1 (Marking).",
  "items[].boxes: всегда 1 (каждая строка = одна физическая коробка).",
  "items[].plantation: если есть колонка FARM - взять оттуда, иначе использовать supplier.",
  "items[].category: определить по описанию в колонке 2 (Description) - первое слово до пробела (например, 'Rose', 'Chrysanthemum').",
  "items[].variety: извлечь из колонки 2 (Description) часть между категорией и длиной (например, 'Red Freedom', 'White Mondial', 'Yellow').",
  "items[].length: извлечь из колонки 2 (Description) числовое значение перед 'cm' или 'CM' (например, '60', '50', '70').",
  "items[].quantity: взять значение из колонки 3 (Stems), преобразовать в число.",
  "items[].unit_price: взять значение из колонки 4 (Price), преобразовать в число.",
  "items[].total_price: взять значение из колонки 5 (Amount), преобразовать в число.",
  "summary.total_boxes: найти строку, где колонка 2 содержит 'TOTAL', взять значение из колонки 0, преобразовать в число. Если нет - посчитать количество непустых items[].box_number.",
  "summary.total_stems: найти строку, где колонка 2 содержит 'TOTAL', взять значение из колонки 3, преобразовать в число.",
  "summary.total_amount: найти строку, где колонка 2 содержит 'TOTAL', взять значение из колонки 5, преобразовать в число.",
  "processing_report.items_count: количество элементов в items[].",
  "processing_report.sum_stems: сумма всех items[].quantity.",
  "processing_report.sum_amount: сумма всех items[].total_price.",
  "processing_report.sum_boxes: количество уникальных непустых items[].box_number.",
  "processing_report.expected_stems: значение из summary.total_stems.",
  "processing_report.expected_amount: значение из summary.total_amount.",
  "processing_report.expected_boxes: значение из summary.total_boxes.",
  "processing_report.discrepancies: создать массив, добавив 'Несовпадение количества стеблей' если sum_stems ≠ expected_stems, 'Несовпадение суммы' если sum_amount ≠ expected_amount, 'Несовпадение количества коробок' если sum_boxes ≠ expected_boxes, 'Отсутствует box_number' для items с пустым box_number.",
  "processing_report.status: установить 'ok' если discrepancies пуст, 'warning' если есть несовпадения сумм/количеств, 'error' если не извлечены ключевые данные (номер инвойса, дата, поставщик).",
  "processing_report.notes: записать тип инвойса (плоский), количество обработанных позиций, факт раскрытия мультибокса (не применяется), проблемы при извлечении."
]

Сырой OCR JSON (Pass 1)

{
  "awb": "501-19717865",
  "items": [
    {
      "boxes": 1,
      "length": "50/60",
      "variety": "Red/Assorted Assorted Colors",
      "category": "Roses",
      "quantity": 300,
      "box_number": "TRA1",
      "plantation": "TRADE HOUSE AZALIA",
      "unit_price": 0.354,
      "box_marking": "TDA",
      "total_price": 106.25
    }
  ],
  "country": "Netherlands",
  "summary": {
    "total_boxes": 1,
    "total_stems": 300,
    "total_amount": 106.25
  },
  "supplier": "TRADE HOUSE AZALIA",
  "invoice_date": "02/19/2026",
  "invoice_number": "586242"
}

Результат (Pass 2)

{
  "notes": [],
  "table": {
    "rows": [
      [
        "INVOICE",
        "",
        "",
        "",
        "",
        ""
      ],
      [
        "Supplier:",
        "TestFlower LLC",
        "",
        "Invoice #:",
        "TF-2026-001",
        ""
      ],
      [
        "Date:",
        "2026-03-01",
        "",
        "",
        "",
        ""
      ],
      [
        "Box#",
        "Marking",
        "Description",
        "Stems",
        "Price",
        "Amount"
      ],
      [
        "1",
        "MARKTEST",
        "Rose Red Freedom 60cm",
        "250",
        "0.25",
        "62.50"
      ],
      [
        "2",
        "MARKTEST",
        "Rose White Mondial 50cm",
        "300",
        "0.20",
        "60.00"
      ],
      [
        "3",
        "BOXMARK2",
        "Chrysanthemum Yellow 70cm",
        "150",
        "0.35",
        "52.50"
      ],
      [
        "",
        "",
        "TOTAL",
        "700",
        "",
        "175.00"
      ]
    ],
    "columns": []
  },
  "metadata": {},
  "sections": [],
  "totals_raw": "",
  "header_text": ""
}

История (последние 20)

ID	Файл	Дата
99	test_invoice.xlsx	2026-03-04 04:05:22.649273+00:00	Excel
95	Invoice 585046.pdf	2026-03-03 09:16:36.535768+00:00	Excel
94	Invoice 585046.pdf	2026-03-03 08:24:50.569617+00:00	Excel
93	Invoice 585046.pdf	2026-03-03 08:13:17.892264+00:00	Excel
92	Invoice 585046.pdf	2026-03-03 08:04:28.855516+00:00	Excel
91	Invoice 585046.pdf	2026-03-03 08:02:01.264531+00:00	Excel
90	Invoice 585046.pdf	2026-03-03 08:00:35.091222+00:00	Excel
89	Invoice 585046.pdf	2026-03-03 07:57:49.334547+00:00	Excel
88	Invoice 585046.pdf	2026-03-03 07:56:10.328314+00:00	Excel
87	Invoice 585046.pdf	2026-03-03 07:51:21.167493+00:00	Excel
86	Invoice 585046.pdf	2026-03-03 07:45:06.322768+00:00	Excel
85	Invoice 585046.pdf	2026-03-03 07:31:10.524812+00:00	Excel
84	Invoice 585046.pdf	2026-03-03 07:27:08.736738+00:00	Excel
19	Invoice 586242.pdf	2026-02-23 16:53:42.073561+00:00	Excel