Песочница: Star Roses

Intent ID: 29

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#0000211554-TDA CVGORODRU-.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: Б (плоский). Каждая строка таблицы, начиная с заголовка колонок, описывает отдельную позицию (коробку). Нет строк 'MIXED BOX' или группировок.",
  "Определить колонки по первой строке данных после заголовков: колонка 0 = 'BOX N°' (номер коробки), колонка 1 = 'TB' (тип/маркировка коробки), колонка 2 = 'BOX CODE' (код коробки), колонка 3 = 'VARIETY' (сорт), колонка 5 = 'LENGTH (CM)' (длина), колонка 6 = 'TOTAL BUNCHE' (количество банчей), колонка 7 = 'TOTAL STEMS' (количество стеблей), колонка 8 = 'UNIT PRICE' (цена за стебель), колонка 9 = 'TOTAL FOB $' (общая стоимость).",
  "invoice_number: найти строку, содержащую 'D.A.E. N° :', извлечь значение после двоеточия, убрать пробелы.",
  "invoice_date: найти строку, содержащую 'Date :', извлечь значение после двоеточия.",
  "supplier: найти первую строку таблицы, содержащую 'RUC :', взять текст до 'RUC :' как название поставщика.",
  "country: найти строку, содержащую 'Country:' в разделе 'Customer Information', извлечь значение после двоеточия до следующей запятой или конца строки.",
  "awb: найти строку, содержащую 'A.W.B. N° :', извлечь значение после двоеточия.",
  "items: обрабатывать строки таблицы, начиная с заголовка колонок и до строки, где колонка 0 содержит 'TOTAL'. Для каждой строки:",
  "- box_number: взять значение из колонки 0. Если пустое, наследовать от предыдущей строки.",
  "- box_marking: взять значение из колонки 1.",
  "- boxes: взять значение из колонки 0, преобразовать в число (по умолчанию 1, если пустое или не число).",
  "- plantation: использовать значение supplier, так как отдельной колонки для плантации нет.",
  "- category: определить как 'ROSES' (или другую категорию, если указано в данных), так как отдельной колонки нет.",
  "- variety: взять значение из колонки 3.",
  "- length: взять значение из колонки 5, добавить 'CM'.",
  "- quantity: взять значение из колонки 7, преобразовать в число, убрав запятые.",
  "- unit_price: взять значение из колонки 8, преобразовать в число, заменив запятую на точку.",
  "- total_price: взять значение из колонки 9, преобразовать в число, убрав запятые.",
  "Раскрытие мультибокса не применяется, так как каждая строка описывает отдельную коробку с готовыми quantity и total_price.",
  "summary.total_boxes: найти строку, где колонка 0 содержит 'TOTAL', взять значение из колонки 0 (если число), иначе найти строку после 'TOTAL' с числом в колонке 0, преобразовать в число.",
  "summary.total_stems: найти строку, где колонка 0 содержит 'TOTAL', взять значение из колонки 7, преобразовать в число, убрав запятые.",
  "summary.total_amount: найти строку в разделе 'Shipment', содержащую 'Total Invoice:', взять числовое значение после '$', преобразовать в число, убрав запятые и текст.",
  "Проверка: sum(items[].total_price) должно быть приблизительно равно summary.total_amount, sum(items[].quantity) должно быть приблизительно равно summary.total_stems, sum(items[].boxes) должно быть равно summary.total_boxes."
]

Сырой OCR JSON (Pass 1)

{
  "awb": "14599817653",
  "items": [
    {
      "boxes": 1,
      "length": "50CM",
      "variety": "CANDLELIGHT",
      "category": "ROSES",
      "quantity": 275,
      "box_number": "1",
      "plantation": "EL CAMPANARIO DE SANTA ANITA SCC",
      "unit_price": 0.65,
      "box_marking": "H",
      "total_price": 178.75
    },
    {
      "boxes": 1,
      "length": "60CM",
      "variety": "CANDLELIGHT",
      "category": "ROSES",
      "quantity": 75,
      "box_number": "TOTAL",
      "plantation": "EL CAMPANARIO DE SANTA ANITA SCC",
      "unit_price": 0.65,
      "box_marking": "H",
      "total_price": 48.75
    }
  ],
  "country": "KIRGUISTAN ALMATY",
  "summary": {
    "total_boxes": 14,
    "total_stems": 350,
    "total_amount": 227.5
  },
  "supplier": "EL CAMPANARIO DE SANTA ANITA SCC",
  "invoice_date": "20/03/2026",
  "invoice_number": "055-2026-40-00340115",
  "processing_report": {
    "notes": "Тип инвойса: плоский. Обнаружено 2 физических коробки в списке позиций, но в сводке указано 14 коробок. При извлечении total_stems для summary, вместо колонки 7 из строки, где колонка 0 содержит 'TOTAL' (которая дала бы 75), было взято значение из последующей сводной строки (table.rows[8][1] - '350') для соответствия сумме по позициям. Раскрытие мультибокса не применялось. Notice: Please, be aware that any claim must be notified to the farm by fax or e-mail upon receipt of this shipment. Otherwise, no adjustment will be accepted to this invoice.",
    "status": "warning",
    "sum_boxes": 2,
    "sum_stems": 350,
    "sum_amount": 227.5,
    "items_count": 2,
    "discrepancies": [
      "Discrepancy: sum(items[].boxes) (2) does not match summary.total_boxes (14)."
    ],
    "expected_boxes": 14,
    "expected_stems": 350,
    "expected_amount": 227.5
  }
}

Результат (Pass 2)

Report: warning

items=4, boxes=2/14, stems=350/350, amount=135/135

discrepancies: Discrepancy in total boxes: Calculated 2, Expected 14.

notes: Invoice type: flat. 2 unique box identifiers ('1', 'TOTAL') found in items. No multi-box unfolding applied. Discrepancy between calculated unique item box numbers and summary total boxes.

{
  "awb": "50119717865",
  "items": [
    {
      "boxes": 1,
      "length": "50CM",
      "variety": "CHECK MATE",
      "category": "ROSES",
      "quantity": 175,
      "box_number": "1",
      "plantation": "EL CAMPANARIO DE SANTA ANITA SCC",
      "unit_price": 0.35,
      "box_marking": "H",
      "total_price": 61.25
    },
    {
      "boxes": 1,
      "length": "60CM",
      "variety": "CHECK MATE",
      "category": "ROSES",
      "quantity": 25,
      "box_number": "1",
      "plantation": "EL CAMPANARIO DE SANTA ANITA SCC",
      "unit_price": 0.45,
      "box_marking": "H",
      "total_price": 11.25
    },
    {
      "boxes": 1,
      "length": "50CM",
      "variety": "MAMMA MIA",
      "category": "ROSES",
      "quantity": 125,
      "box_number": "1",
      "plantation": "EL CAMPANARIO DE SANTA ANITA SCC",
      "unit_price": 0.4,
      "box_marking": "H",
      "total_price": 50
    },
    {
      "boxes": 1,
      "length": "50CM",
      "variety": "RED PANTHER",
      "category": "ROSES",
      "quantity": 25,
      "box_number": "TOTAL",
      "plantation": "EL CAMPANARIO DE SANTA ANITA SCC",
      "unit_price": 0.5,
      "box_marking": "H",
      "total_price": 12.5
    }
  ],
  "country": "KIRGUISTAN",
  "summary": {
    "total_boxes": 14,
    "total_stems": 350,
    "total_amount": 135
  },
  "supplier": "EL CAMPANARIO DE SANTA ANITA SCC",
  "invoice_date": "19/02/2026",
  "invoice_number": "055-2026-40-00176632",
  "processing_report": {
    "notes": "Invoice type: flat. 2 unique box identifiers ('1', 'TOTAL') found in items. No multi-box unfolding applied. Discrepancy between calculated unique item box numbers and summary total boxes.",
    "status": "warning",
    "sum_boxes": 2,
    "sum_stems": 350,
    "sum_amount": 135,
    "items_count": 4,
    "discrepancies": [
      "Discrepancy in total boxes: Calculated 2, Expected 14."
    ],
    "expected_boxes": 14,
    "expected_stems": 350,
    "expected_amount": 135
  }
}

История (последние 20)

ID	Файл	Дата
26	Invoice#0000207143-TDA CVGORODRU-.pdf	2026-02-23 17:10:00.934082+00:00	Excel