Перед извлечением полей определите, какие документы находятся внутри файла и какому обработчику они предназначены. Один PDF может содержать несколько самостоятельных документов. Ошибочный выбор типа способен дать внешне правдоподобные, но неверно назначенные поля.
Начните с размеченной тестовой подборки: отдельный документ, несколько экземпляров одного типа, смешанный комплект и неизвестный тип. Для каждого заранее запишите ожидаемые границы страниц и дальнейший маршрут. Не используйте рабочие персональные документы в общедоступном примере или несогласованном внешнем сервисе.
Классификация и извлечение решают разные задачи
Классификатор выбирает тип из предусмотренных классов. Обработчик извлечения получает поля по правилам этого типа. Отдельная задача — разделение файла на документы. Успешное чтение текста не подтверждает правильность этих двух решений.
В Azure Document Intelligence custom classification API v4.0 2024-11-30 режим splitMode по умолчанию равен none. Документация, проверенная 9 ноября 2026 года, различает обработку целого файла, отдельных страниц и автоматическое определение документов с диапазонами страниц. При переносе интеграции между версиями явно сверяйте режим разделения.
Условный комплект содержит двухстраничный документ и следом одностраничное приложение другого типа. Решение «весь файл — один класс» и решение «каждый лист — отдельный документ» могут одинаково нарушить нужную структуру. Автоматическое разделение тоже требует сверки с заранее размеченными границами.
Паспорт маршрутизации для одного результата
| Элемент | Проверка или значение |
|---|---|
| Исходник | неизменяемая версия файла. |
| Границы | диапазон страниц конкретного документа. |
| Класс | результат классификации и версия модели. |
| Решение | автоматически направить либо передать на проверку. |
| Извлечение | обработчик, схема и результат проверки полей. |
Сохраняйте этот паспорт вместе с результатом задачи. После обновления модели он позволит увидеть, изменился ли тип, границы или только извлечённое значение. Одного итогового JSON с полями недостаточно для поиска такой ошибки.
Неизвестный документ должен иметь предусмотренный исход
В руководстве Microsoft рекомендуется предусмотреть порог оценки классификации либо репрезентативный класс other для типов вне обученной подборки. Это настройка конкретного процесса, а не универсальный порог для всех документов. Подбирайте правило на отложенной размеченной выборке и отдельно учитывайте ложное автоматическое направление.
Включите в проверку похожие формы с разным назначением и неизвестные макеты. Высокая оценка модели не заменяет проверку обязательных признаков и последующего результата извлечения. Если два типа трудно различить по доступному содержимому, оставьте явный маршрут уточнения вместо назначения первого удобного обработчика.
Пример решения процесса:
поддерживаемый класс + допустимые границы + пройденные проверки -> извлечение;
неизвестный или неоднозначный результат -> очередь проверки;
повреждённый файл -> ошибка входа с понятным действием пользователю.Такое разделение не позволяет сетевому отказу внешнего сервиса превратиться в «неизвестный тип». Ошибки выполнения сохраняют собственный статус. При повторе задача должна ссылаться на тот же исходник и не создавать второй независимый комплект документов без необходимости.
Проверка обновления модели
- Разметить классы и границы страниц до настройки.
- Оставить отдельную подборку для приёмки.
- Сравнить типы, границы и ошибочные маршруты старого и нового варианта.
- Проверить неизвестный тип и временный отказ сервиса.
- Принять повтор задачи и ручное подтверждение.
На время сравнения сохраняйте прежнюю версию модели и правила маршрутизации. Не перезаписывайте единственный рабочий вариант до получения результатов приёмки. Для отката нужен не только идентификатор модели, но и соответствующие ему правила выбора обработчика.
В отчёт внесите обезличенную матрицу ошибок, диапазоны страниц и случаи передачи человеку. Тогда заказчик увидит, какие документы можно направлять автоматически, а где остаётся неопределённость. Сам по себе успешный ответ классификатора ещё не означает, что комплект пригоден к дальнейшей обработке.