Песочница: GUAISA / SUNRITE FARMS

Intent ID: 25

1) Загрузить файл и получить сырой OCR JSON

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

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:
- metadata может быть пустым (table_parsing не извлекает шапку инвойса).
- 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.
   В) Секции по фермам: строки группируются по фермам/HAWB.

3. ФИЗИЧЕСКИЕ КОРОБКИ: найди колонку с количеством физических коробок. Это число обычно 1 для каждой строки-заголовка. Не путай с числом бантчей/сортов внутри коробки — это разные колонки!

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.

=== 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.
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 + порядковый номер коробки (QUA1, QUA2, GUI1, BOT1 и т.д.).

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).
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 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 строку и из какой колонки взять значение.
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.
9. Верни только валидный JSON.

Используется кнопкой «Подсказать rules».

Transform rules (JSON массив строк)

[
  "Тип инвойса: Б (плоский). Каждая строка таблицы с данными о товаре соответствует одной позиции (одной коробке). Нет строк-заголовков 'MIXED BOX' или группировок.",
  "Определение колонок (индексы от 0): колонка 0 = 'Description' (описание товара), колонка 1 = 'Mark Code' (код маркировки, часто код клиента), колонка 2 = 'Boxes' (количество физических коробок), колонка 3 = 'Total Units' (общее количество стеблей), колонка 4 = '' (пустая, игнорировать), колонка 5 = 'Unit Price' (цена за стебель), колонка 6 = 'Amount' (общая сумма).",
  "invoice_number: найти строку, где колонка 0 содержит паттерн 'PACKING', взять значение из колонки 1 этой строки.",
  "invoice_date: найти строку, где колонка 0 содержит паттерн 'Date Amount PO # Terms', взять значение из колонки 1 этой строки, извлечь часть до первого пробела (формат даты).",
  "supplier: найти строку, где колонка 0 содержит паттерн 'Bill To', взять значение из колонки 1 следующей строки (название компании).",
  "country: найти строку, где колонка 0 содержит паттерн 'Bill To', взять значение из колонки 1 строки, следующей за адресом (обычно содержит название страны).",
  "awb: найти строку, где колонка 0 содержит паттерн 'Carrier', взять значение из колонки 1 следующей строки (номер авианакладной).",
  "items: обрабатывать строки таблицы, начиная с той, где колонка 0 содержит заголовок 'Description' (это строка заголовков колонок). Все последующие строки, где колонка 0 не пустая и не содержит паттернов метаданных (например, 'Bill To', 'Carrier', 'Total Boxes', 'Page:'), являются позициями товаров.",
  "box_number: использовать значение из колонки 2 ('Boxes') как порядковый номер коробки. Если значение не уникально, сгенерировать как 'BOX' + значение из колонки 2.",
  "box_marking: использовать значение из колонки 1 ('Mark Code'), если оно не пустое и не совпадает с supplier. Иначе оставить пустым.",
  "boxes: взять значение из колонки 2, преобразовать в число (это количество физических коробок, обычно 1).",
  "plantation: использовать значение supplier, так как отдельной колонки 'FARM' нет.",
  "category: извлечь из колонки 0 ('Description') первое слово до пробела (например, 'ROSE').",
  "variety: извлечь из колонки 0 часть после category и до первого числа с 'CM' (например, 'HOT PINK GOTCHA').",
  "length: извлечь из колонки 0 первое число, за которым следует 'CM', преобразовать в строку (например, '50').",
  "quantity: взять значение из колонки 3 ('Total Units'), преобразовать в число (общее количество стеблей для позиции).",
  "unit_price: взять значение из колонки 5 ('Unit Price'), удалить '$' и пробелы, преобразовать в число.",
  "total_price: взять значение из колонки 6 ('Amount'), удалить '$' и пробелы, преобразовать в число.",
  "summary.total_boxes: найти строку, где колонка 0 содержит паттерн 'Total Boxes', взять значение из колонки 1, преобразовать в число.",
  "summary.total_stems: найти строку, где колонка 0 содержит паттерн 'Total stems', взять значение из колонки 1, извлечь число до запятой, преобразовать в число.",
  "summary.total_amount: найти строку, где колонка 0 содержит паттерн 'Totals', взять значение из колонки 2, удалить '$' и пробелы, преобразовать в число.",
  "Раскрытие мультибокса не применяется, так как каждая строка описывает одну коробку (boxes обычно 1). Если boxes > 1, это N одинаковых коробок: создавать N items с boxes=1, деля quantity и total_price на N, генерируя уникальные box_number как исходный + '-1', '-2' и т.д.",
  "Валидация: убедиться, что sum(items[].quantity) ≈ summary.total_stems, sum(items[].total_price) ≈ summary.total_amount, и count(unique items[].box_number) = summary.total_boxes после обработки."
]

Сырой OCR JSON (Pass 1)

{
  "awb": null,
  "items": [
    {
      "boxes": 1,
      "length": "40",
      "variety": "BICOLOR PINK ESPERANCE",
      "category": "ROSE",
      "quantity": 500,
      "box_number": "RU 1",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.22,
      "box_marking": "V",
      "total_price": 110.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "BICOLOR PINK ESPERANCE",
      "category": "ROSE",
      "quantity": 500,
      "box_number": "RU 1",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.32,
      "box_marking": "B",
      "total_price": 160.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "HOT PINK GOTCHA",
      "category": "ROSE",
      "quantity": 400,
      "box_number": "1",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.35,
      "box_marking": "H",
      "total_price": 140.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "CREAM VENDELA",
      "category": "ROSE",
      "quantity": 1000,
      "box_number": "RU 2",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.2,
      "box_marking": "V",
      "total_price": 200.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "CREAM VENDELA",
      "category": "ROSE",
      "quantity": 1100,
      "box_number": "RU 2",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.2,
      "box_marking": "B",
      "total_price": 220.0
    }
  ],
  "country": "Republic of Kazakhstan",
  "summary": {
    "total_boxes": 7,
    "total_stems": 3500,
    "total_amount": 830.0
  },
  "supplier": "MECHTA OOO.-RU",
  "invoice_date": "03/05/2026",
  "invoice_number": "0261837",
  "processing_report": {
    "notes": "Invoice type: flat. The OCR presented items in a highly condensed single row, which was split into 5 distinct line items. 5 physical boxes were identified from items. Multi-box expansion was applied based on a specific rule, however, no items had 'boxes' > 1 after initial parsing to trigger this. The discrepancy in total boxes might indicate unparsed items or an OCR error in the 'Boxes' column of item row.",
    "status": "warning",
    "sum_boxes": 5,
    "sum_stems": 3500,
    "sum_amount": 830.0,
    "items_count": 5,
    "discrepancies": [
      "Total boxes mismatch: Sum of boxes from items (5) does not equal summary total_boxes (7)."
    ],
    "expected_boxes": 7,
    "expected_stems": 3500,
    "expected_amount": 830.0
  }
}

Результат (Pass 2)

Report: ok

items=7, boxes=7/7.0, stems=3500.0/3500.0, amount=830.0/830.0

notes: Тип инвойса: гибридный (данные объединены в одной строке OCR, но логически это плоский инвойс), обнаружено 7 физических коробок, применялось раскрытие мультибокса для 2 позиций, генерированы уникальные box_number для дубликатов.

{
  "awb": "PACIFIC AIR",
  "items": [
    {
      "boxes": 1,
      "length": "50",
      "variety": "HOT PINK GOTCHA",
      "category": "ROSE",
      "quantity": 400.0,
      "box_number": "1 H",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.35,
      "box_marking": "BUKETOPT",
      "total_price": 140.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "HOT PINK GOTCHA",
      "category": "ROSE",
      "quantity": 500.0,
      "box_number": "1 V-1",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.32,
      "box_marking": "BUKETOPT",
      "total_price": 160.0
    },
    {
      "boxes": 1,
      "length": null,
      "variety": "LIGHT PINK NENA",
      "category": "ROSE",
      "quantity": 500.0,
      "box_number": "1 V-2",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.22,
      "box_marking": "BUKETOPT",
      "total_price": 110.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "CREAM VENDELA",
      "category": "ROSE",
      "quantity": 500.0,
      "box_number": "2 V-1",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.2,
      "box_marking": "BUKETOPT",
      "total_price": 100.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "CREAM VENDELA",
      "category": "ROSE",
      "quantity": 500.0,
      "box_number": "2 V-2",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.2,
      "box_marking": "BUKETOPT",
      "total_price": 100.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "CREAM VENDELA",
      "category": "ROSE",
      "quantity": 550.0,
      "box_number": "2 B-1",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.2,
      "box_marking": "BUKETOPT",
      "total_price": 110.0
    },
    {
      "boxes": 1,
      "length": "50",
      "variety": "CREAM VENDELA",
      "category": "ROSE",
      "quantity": 550.0,
      "box_number": "2 B-2",
      "plantation": "MECHTA OOO.-RU",
      "unit_price": 0.2,
      "box_marking": "BUKETOPT",
      "total_price": 110.0
    }
  ],
  "country": "Republic of Kazakhstan",
  "summary": {
    "total_boxes": 7.0,
    "total_stems": 3500.0,
    "total_amount": 830.0
  },
  "supplier": "MECHTA OOO.-RU",
  "invoice_date": "02/19/2026",
  "invoice_number": "0261178",
  "processing_report": {
    "notes": "Тип инвойса: гибридный (данные объединены в одной строке OCR, но логически это плоский инвойс), обнаружено 7 физических коробок, применялось раскрытие мультибокса для 2 позиций, генерированы уникальные box_number для дубликатов.",
    "status": "ok",
    "sum_boxes": 7,
    "sum_stems": 3500.0,
    "sum_amount": 830.0,
    "items_count": 7,
    "discrepancies": [],
    "expected_boxes": 7.0,
    "expected_stems": 3500.0,
    "expected_amount": 830.0
  }
}

История (последние 20)

ID	Файл	Дата
24	0261178.PDF	2026-02-23 17:08:43.771770+00:00	Excel