Песочница: OSCAR VALENCIA

Intent ID: 22

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 (FACT EXPORTACION TDA00043318 H 16_26_22.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 с данными о товаре соответствует одной позиции (одной коробке). Нет строк-заголовков MIXED BOX и строк-деталей.",
  "Колонки таблицы (определены по данным строк-заголовков): колонка 0 = '# BOX' (количество физических коробок), колонка 1 = 'BOX T' (тип/маркировка коробки), колонка 2 = 'VARIEDAD' (сорт/разновидность), колонка 3 = 'STxB' (стеблей в коробке, размер бантча), колонка 4 = пустая, колонка 5 = 'OTR.' (возможно, категория или дополнительная информация), колонки 6-14 = размеры стеблей (30, 40, 50, 60, 70, 80, 90, 100, 110, 120), колонка 15 = 'T TALLOS' (общее количество стеблей в строке), колонка 16 = 'UNIT. $' (цена за стебель), колонка 17 = 'TOTAL' (общая стоимость строки).",
  "invoice_number: найти строку, содержащую подстроку 'Numero:' или 'LOTE', извлечь числовую часть после метки (например, 'LOTE 276' -> '276'). Если не найдено, оставить пустым.",
  "invoice_date: найти строку с меткой 'DATE' в таблице, взять значение из следующей строки в той же колонке. Если не найдено, оставить пустым.",
  "supplier: взять первую непустую строку из таблицы (обычно имя поставщика). Если в metadata есть поле supplier, использовать его.",
  "country: определить по контексту (например, 'Fully grow in Ecuador' в конце документа указывает на Эквадор). Если явных указаний нет, оставить пустым.",
  "awb: найти строку с меткой 'M.A.W.B' или 'H.A.W.B' в таблице, взять значение из следующей строки в той же колонке. Если не найдено, оставить пустым.",
  "items: обрабатывать строки таблицы, начиная с той, где колонка 0 содержит числовое значение (например, '1', '0.50'), и до строки перед итоговыми значениями (например, перед 'SUB TOTAL'). Каждая такая строка = один item.",
  "items[].box_number: использовать значение из колонки 0 ('# BOX'). Если значение дробное (например, '0.50'), преобразовать в строку как есть. Если значение пустое, пропустить строку (не создавать item).",
  "items[].box_marking: взять значение из колонки 1 ('BOX T'). Если пустое, оставить пустым.",
  "items[].boxes: взять значение из колонки 0 ('# BOX'), преобразовать в число. Если значение дробное, использовать как есть (например, 0.5).",
  "items[].plantation: оставить пустым (в данных нет явного указания плантации; использовать supplier как fallback, если требуется в бизнес-логике).",
  "items[].category: определить из колонки 5 ('OTR.') или контекста (например, по сорту). Если пустое, оставить пустым.",
  "items[].variety: взять значение из колонки 2 ('VARIEDAD').",
  "items[].length: определить по заполненной колонке размеров (колонки 6-14). Найти колонку с числовым значением (количество стеблей данного размера), использовать метку размера из заголовка (например, '60' для колонки 9). Если несколько размеров, взять первый найденный. Если не найдено, оставить пустым.",
  "items[].quantity: взять значение из колонки 15 ('T TALLOS'), преобразовать в число.",
  "items[].unit_price: взять значение из колонки 16 ('UNIT. $'), преобразовать в число (удалить символы валюты, если есть).",
  "items[].total_price: взять значение из колонки 17 ('TOTAL'), преобразовать в число (удалить символы валюты, если есть). Если пустое, вычислить как quantity * unit_price.",
  "summary.total_boxes: найти строку с меткой 'Totals' или содержащую итоговое значение коробок (например, '14' в данных), взять значение из колонки 0 или как число из строки. Если не найдено, вычислить как сумму items[].boxes.",
  "summary.total_stems: найти строку с меткой 'Totals' или содержащую итоговое количество стеблей (например, '350' в данных), взять значение как число. Если не найдено, вычислить как сумму items[].quantity.",
  "summary.total_amount: найти строку с меткой 'TOTAL USD DOLLAR' или 'SUB TOTAL', взять значение из колонки 1, преобразовать в число (удалить символы валюты). Если не найдено, вычислить как сумму items[].total_price.",
  "Раскрытие мультибокса не применяется: каждая строка описывает одну коробку (boxes обычно 1 или 0.5), нет идентичных коробок без строк-деталей.",
  "Проверки: sum(items[].quantity) должно примерно равняться summary.total_stems, sum(items[].total_price) должно примерно равняться summary.total_amount, sum(items[].boxes) должно равняться summary.total_boxes. Расхождения фиксировать в processing_report (автоматически).",
  "Числовые поля преобразовывать в числа, удаляя нечисловые символы (кроме точки для десятичных). Пустые строки или '-' трактовать как null/пропуск.",
  "Для полей, где данные могут отсутствовать (например, country, plantation), оставлять пустыми строками, если не удалось извлечь."
]

Сырой OCR JSON (Pass 1)

{
  "awb": null,
  "items": [
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "CANDLELIGHT",
      "category": ".00",
      "quantity": 350.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.4,
      "box_marking": "HB",
      "total_price": 140.0
    },
    {
      "boxes": 2.0,
      "length": "50",
      "variety": "MAGIC TIMES",
      "category": ".00",
      "quantity": 100.0,
      "box_number": "2",
      "plantation": "",
      "unit_price": 0.3,
      "box_marking": "HB",
      "total_price": 30.0
    },
    {
      "boxes": 2.0,
      "length": "60",
      "variety": "MAGIC TIMES",
      "category": ".00",
      "quantity": 100.0,
      "box_number": "2",
      "plantation": "",
      "unit_price": 0.35,
      "box_marking": "HB",
      "total_price": 35.0
    },
    {
      "boxes": 2.0,
      "length": "60",
      "variety": "PINK FLOYD",
      "category": ".00",
      "quantity": 100.0,
      "box_number": "2",
      "plantation": "",
      "unit_price": 0.35,
      "box_marking": "HB",
      "total_price": 35.0
    }
  ],
  "country": "Ecuador",
  "summary": {
    "total_boxes": 7.0,
    "total_stems": 650.0,
    "total_amount": 240.0
  },
  "supplier": "VALENCIA PUJOTA JAIME",
  "invoice_date": null,
  "invoice_number": "00043318",
  "processing_report": {
    "notes": "Тип инвойса: плоский. Обнаружено 7 физических коробок. Проблем при извлечении не обнаружено. Раскрытие мультибокса не применялось.",
    "status": "ok",
    "sum_boxes": 7.0,
    "sum_stems": 650.0,
    "sum_amount": 240.0,
    "items_count": 4,
    "discrepancies": [],
    "expected_boxes": 7.0,
    "expected_stems": 650.0,
    "expected_amount": 240.0
  }
}

Результат (Pass 2)

Report: warning

items=8, boxes=8.0/14.0, stems=350.0/350.0, amount=135.0/135.0

discrepancies: Calculated total boxes (8.0) does not match expected total boxes (14.0).

notes: Плоский тип инвойса. Обнаружено 8 физических коробок. Расхождение в количестве коробок между суммой позиций и итоговым значением. Раскрытие мультибокса не применялось.

{
  "awb": null,
  "items": [
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "EXPLORER",
      "category": ".00",
      "quantity": 100.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.35,
      "box_marking": "HB",
      "total_price": 35.0
    },
    {
      "boxes": 1.0,
      "length": "70",
      "variety": "SALMA",
      "category": ".00",
      "quantity": 75.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.35,
      "box_marking": "HB",
      "total_price": 26.25
    },
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "FRUTETO",
      "category": ".00",
      "quantity": 25.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.35,
      "box_marking": "HB",
      "total_price": 8.75
    },
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "KAHALA",
      "category": ".00",
      "quantity": 50.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.35,
      "box_marking": "HB",
      "total_price": 17.5
    },
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "HERMOSA",
      "category": ".00",
      "quantity": 25.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.35,
      "box_marking": "HB",
      "total_price": 8.75
    },
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "PINK XPRESSION",
      "category": ".00",
      "quantity": 25.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.45,
      "box_marking": "HB",
      "total_price": 11.25
    },
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "PRINCESS CROWN",
      "category": ".00",
      "quantity": 25.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.5,
      "box_marking": "HB",
      "total_price": 12.5
    },
    {
      "boxes": 1.0,
      "length": "60",
      "variety": "CANDLELIGHT",
      "category": ".00",
      "quantity": 25.0,
      "box_number": "1",
      "plantation": "",
      "unit_price": 0.6,
      "box_marking": "HB",
      "total_price": 15.0
    }
  ],
  "country": "Ecuador",
  "summary": {
    "total_boxes": 14.0,
    "total_stems": 350.0,
    "total_amount": 135.0
  },
  "supplier": "VALENCIA PUJOTA JAIME",
  "invoice_date": null,
  "invoice_number": "276",
  "processing_report": {
    "notes": "Плоский тип инвойса. Обнаружено 8 физических коробок. Расхождение в количестве коробок между суммой позиций и итоговым значением. Раскрытие мультибокса не применялось.",
    "status": "warning",
    "sum_boxes": 8.0,
    "sum_stems": 350.0,
    "sum_amount": 135.0,
    "items_count": 8,
    "discrepancies": [
      "Calculated total boxes (8.0) does not match expected total boxes (14.0)."
    ],
    "expected_boxes": 14.0,
    "expected_stems": 350.0,
    "expected_amount": 135.0
  }
}

История (последние 20)

ID	Файл	Дата
29	FACT EXPORTACION TDA00042222 H 19_28_58.pdf	2026-02-23 17:17:33.211191+00:00	Excel