Песочница: Rosas Del Corazon

Intent ID: 37

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 (P_TDA_2230522.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:
- 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: плоский (Б). Каждая строка таблицы, содержащая числовое значение в колонке 0 (номер позиции), является отдельным товаром (item). Строки без числового значения в колонке 0 являются служебной информацией (шапка, итоги).",
  "Колонки: индексы определены по строке с заголовками (индекс 26). Колонка 0 = номер позиции. Колонка 1 = код (CESNUM). Колонка 2 = код (BPEIRECESTYPTEO). Колонка 8 = код (TALPIECE). Колонка 9 = код (S CODE). Колонка 15 = описание товара (DESCRIPTION). Колонка 20 = количество коробок (BOXES). Колонка 21 = количество бантчей (BUNCHES). Колонка 23 = общее количество стеблей (TOTAL STEMS). Колонка 26 = количество бантчей (BN).",
  "invoice_number: найти строку, содержащую подстроку 'PACKINGLISTNo', взять последнее непустое значение в этой строке.",
  "invoice_date: найти строку, содержащую подстроку 'DATE:', взять следующее непустое значение в этой строке.",
  "supplier: взять значение из первой строки таблицы (индекс 0, колонка 0).",
  "country: определить из адреса поставщика. Взять строку, следующую за строкой с 'PHONE:' в шапке поставщика, и извлечь последнее слово (предполагается страна).",
  "awb: найти строку, содержащую подстроку 'MAWB#:', затем найти в этой строке подстроку, начинающуюся с 'HAWB', взять следующее непустое значение после 'HAWB'.",
  "items: обрабатывать только строки, где колонка 0 содержит числовое значение (например, '1 -', '2 -'). Для каждой такой строки создать один item.",
  "items[].box_number: сгенерировать на основе номера позиции из колонки 0 (например, '1' для строки '1 -'). Префикс не требуется, так как инвойс плоский.",
  "items[].box_marking: не заполнять, так как в данных нет информации о типе/размере коробки.",
  "items[].boxes: взять значение из колонки 20, преобразовать в число. Если значение отсутствует, использовать 1.",
  "items[].plantation: взять значение из колонки 9 (S CODE).",
  "items[].category: не заполнять, так как в данных нет отдельной колонки для категории.",
  "items[].variety: взять значение из колонки 15 (DESCRIPTION).",
  "items[].length: не заполнять, так как в данных нет информации о длине.",
  "items[].quantity: взять значение из колонки 23 (TOTAL STEMS), преобразовать в число.",
  "items[].unit_price: не заполнять, так как в данных нет информации о цене за штуку.",
  "items[].total_price: не заполнять, так как в данных нет информации об общей цене.",
  "summary.total_boxes: найти строку, содержащую подстроку 'TOTALFULLEQUIVALENCY', взять значение из колонки 1, преобразовать в число (это эквивалент полных коробок).",
  "summary.total_stems: вычислить как сумму items[].quantity.",
  "summary.total_amount: не заполнять, так как в данных нет информации об общей сумме.",
  "Раскрытие мультибокса не применяется, так как каждая строка с номером позиции описывает отдельный товар, и значение boxes из колонки 20 уже указывает на количество физических коробок для этого товара.",
  "Проверка: убедиться, что sum(items[].quantity) является целым числом. sum(items[].boxes) должно совпадать со значением summary.total_boxes, если оно извлечено. Каждый item должен иметь непустой box_number."
]

Сырой OCR JSON (Pass 1)

{}

Результат (Pass 2)

Report: warning

items=2, boxes=2/0.75, stems=384/384, amount=None/None

discrepancies: Country extraction rule ambiguity: 'Взять строку, следующую за строкой с 'PHONE:' в шапке поставщика, и извлечь последнее слово' resulted in a non-country value. Field set to null.; Sum of items boxes (100) does not match summary.total_boxes (0.75).

notes: Плоский инвойс. Обнаружено 100 физических коробок (сумма items[].boxes). Значение summary.total_boxes (0.75) не совпадает с суммой items[].boxes (100). Проблема с извлечением страны по указанному правилу. Раскрытие мультибокса не применялось.

{
  "awb": "PC602018136",
  "items": [
    {
      "boxes": 50,
      "length": null,
      "variety": "PINKPIANO",
      "category": null,
      "quantity": 96,
      "box_number": "1",
      "plantation": "TDA",
      "unit_price": null,
      "box_marking": null,
      "total_price": null
    },
    {
      "boxes": 50,
      "length": null,
      "variety": "NOTTINGHILL",
      "category": null,
      "quantity": 288,
      "box_number": "2",
      "plantation": "TDA",
      "unit_price": null,
      "box_marking": null,
      "total_price": null
    }
  ],
  "country": null,
  "summary": {
    "total_boxes": 0.75,
    "total_stems": 384,
    "total_amount": null
  },
  "supplier": "ROSASDELCORAZONROSASLESANDICIALTDA",
  "invoice_date": "16/02/2026",
  "invoice_number": "2226936",
  "processing_report": {
    "notes": "Плоский инвойс. Обнаружено 100 физических коробок (сумма items[].boxes). Значение summary.total_boxes (0.75) не совпадает с суммой items[].boxes (100). Проблема с извлечением страны по указанному правилу. Раскрытие мультибокса не применялось.",
    "status": "warning",
    "sum_boxes": 2,
    "sum_stems": 384,
    "sum_amount": null,
    "items_count": 2,
    "discrepancies": [
      "Country extraction rule ambiguity: 'Взять строку, следующую за строкой с 'PHONE:' в шапке поставщика, и извлечь последнее слово' resulted in a non-country value. Field set to null.",
      "Sum of items boxes (100) does not match summary.total_boxes (0.75)."
    ],
    "expected_boxes": 0.75,
    "expected_stems": 384,
    "expected_amount": null
  }
}

История (последние 20)

ID	Файл	Дата
22	P_TDA_2226936.pdf	2026-02-23 17:02:17.969283+00:00	Excel