优化智能填表功能：提升速度、完善数据提取精度
后端优化 (template_fill_service.py): 1. 速度优化: - 使用 asyncio.gather 实现字段并行提取 - 跳过 AI 审核步骤，减少 LLM 调用次数 - 新增 _extract_single_field_fast 方法 2. 数据提取优化: - 集成 RAG 服务进行智能内容检索 - 修复 Markdown 表格列匹配跳过空列 - 修复年份子表头行误识别问题 3. AI 表头生成优化: - 精简为 5-7 个代表性字段（原来 8-15 个） - 过滤非数据字段（source、备注、说明等） - 简化字段名，如"医院数量"而非"医院-公立医院数量" 4. AI 数据提取 prompt 优化: - 严格按表头提取，只返回相关数据 - 每个值必须带标注（年份/地区/分类） - 支持多种标注类型：2024年、北京、某省、公立医院、三级医院等 - 保留原始数值、单位和百分号格式 - 不返回大段来源说明 5. FillResult 新增 warning 字段: - 多值检测提示，如"检测到 2 个值" 前端优化 (TemplateFill.tsx): - 填写详情显示多值警告（黄色提示框） - 多值情况下直接显示所有值 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
@@ -404,18 +404,22 @@ async def process_documents_batch(task_id: str, files: List[dict]):
|
||||
|
||||
|
||||
async def index_document_to_rag(doc_id: str, filename: str, result: ParseResult, doc_type: str):
|
||||
"""将非结构化文档索引到 RAG"""
|
||||
"""将非结构化文档索引到 RAG（使用分块索引）"""
|
||||
try:
|
||||
content = result.data.get("content", "")
|
||||
if content:
|
||||
# 将完整内容传递给 RAG 服务自动分块索引
|
||||
rag_service.index_document_content(
|
||||
doc_id=doc_id,
|
||||
content=content[:5000],
|
||||
content=content, # 传递完整内容，由 RAG 服务自动分块
|
||||
metadata={
|
||||
"filename": filename,
|
||||
"doc_type": doc_type
|
||||
}
|
||||
},
|
||||
chunk_size=500, # 每块 500 字符
|
||||
chunk_overlap=50 # 块之间 50 字符重叠
|
||||
)
|
||||
logger.info(f"RAG 索引完成: {filename}, doc_id={doc_id}")
|
||||
except Exception as e:
|
||||
logger.warning(f"RAG 索引失败: {str(e)}")
|
||||
|
||||
|
||||
@@ -3,7 +3,6 @@ RAG 服务模块 - 检索增强生成
|
||||
|
||||
使用 sentence-transformers + Faiss 实现向量检索
|
||||
"""
|
||||
import json
|
||||
import logging
|
||||
import os
|
||||
import pickle
|
||||
@@ -11,12 +10,20 @@ from typing import Any, Dict, List, Optional
|
||||
|
||||
import faiss
|
||||
import numpy as np
|
||||
from sentence_transformers import SentenceTransformer
|
||||
|
||||
from app.config import settings
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
# 尝试导入 sentence-transformers
|
||||
try:
|
||||
from sentence_transformers import SentenceTransformer
|
||||
SENTENCE_TRANSFORMERS_AVAILABLE = True
|
||||
except ImportError as e:
|
||||
logger.warning(f"sentence-transformers 导入失败: {e}")
|
||||
SENTENCE_TRANSFORMERS_AVAILABLE = False
|
||||
SentenceTransformer = None
|
||||
|
||||
|
||||
class SimpleDocument:
|
||||
"""简化文档对象"""
|
||||
@@ -28,17 +35,24 @@ class SimpleDocument:
|
||||
class RAGService:
|
||||
"""RAG 检索增强服务"""
|
||||
|
||||
# 默认分块参数
|
||||
DEFAULT_CHUNK_SIZE = 500 # 每个文本块的大小（字符数）
|
||||
DEFAULT_CHUNK_OVERLAP = 50 # 块之间的重叠（字符数）
|
||||
|
||||
def __init__(self):
|
||||
self.embedding_model: Optional[SentenceTransformer] = None
|
||||
self.embedding_model = None
|
||||
self.index: Optional[faiss.Index] = None
|
||||
self.documents: List[Dict[str, Any]] = []
|
||||
self.doc_ids: List[str] = []
|
||||
self._dimension: int = 0
|
||||
self._dimension: int = 384 # 默认维度
|
||||
self._initialized = False
|
||||
self._persist_dir = settings.FAISS_INDEX_DIR
|
||||
# 临时禁用 RAG API 调用，仅记录日志
|
||||
self._disabled = True
|
||||
logger.info("RAG 服务已禁用（_disabled=True），仅记录索引操作日志")
|
||||
# 检查是否可用
|
||||
self._disabled = not SENTENCE_TRANSFORMERS_AVAILABLE
|
||||
if self._disabled:
|
||||
logger.warning("RAG 服务已禁用（sentence-transformers 不可用），将使用关键词匹配作为后备")
|
||||
else:
|
||||
logger.info("RAG 服务已启用")
|
||||
|
||||
def _init_embeddings(self):
|
||||
"""初始化嵌入模型"""
|
||||
@@ -88,6 +102,63 @@ class RAGService:
|
||||
norms = np.where(norms == 0, 1, norms)
|
||||
return vectors / norms
|
||||
|
||||
def _split_into_chunks(self, text: str, chunk_size: int = None, overlap: int = None) -> List[str]:
|
||||
"""
|
||||
将长文本分割成块
|
||||
|
||||
Args:
|
||||
text: 待分割的文本
|
||||
chunk_size: 每个块的大小（字符数）
|
||||
overlap: 块之间的重叠字符数
|
||||
|
||||
Returns:
|
||||
文本块列表
|
||||
"""
|
||||
if chunk_size is None:
|
||||
chunk_size = self.DEFAULT_CHUNK_SIZE
|
||||
if overlap is None:
|
||||
overlap = self.DEFAULT_CHUNK_OVERLAP
|
||||
|
||||
if len(text) <= chunk_size:
|
||||
return [text] if text.strip() else []
|
||||
|
||||
chunks = []
|
||||
start = 0
|
||||
text_len = len(text)
|
||||
|
||||
while start < text_len:
|
||||
# 计算当前块的结束位置
|
||||
end = start + chunk_size
|
||||
|
||||
# 如果不是最后一块，尝试在句子边界处切割
|
||||
if end < text_len:
|
||||
# 向前查找最后一个句号、逗号、换行或分号
|
||||
cut_positions = []
|
||||
for i in range(end, max(start, end - 100), -1):
|
||||
if text[i] in '。；，,\n、':
|
||||
cut_positions.append(i + 1)
|
||||
break
|
||||
|
||||
if cut_positions:
|
||||
end = cut_positions[0]
|
||||
else:
|
||||
# 如果没找到句子边界，尝试向后查找
|
||||
for i in range(end, min(text_len, end + 50)):
|
||||
if text[i] in '。；，,\n、':
|
||||
end = i + 1
|
||||
break
|
||||
|
||||
chunk = text[start:end].strip()
|
||||
if chunk:
|
||||
chunks.append(chunk)
|
||||
|
||||
# 移动起始位置（考虑重叠）
|
||||
start = end - overlap
|
||||
if start <= 0:
|
||||
start = end
|
||||
|
||||
return chunks
|
||||
|
||||
def index_field(
|
||||
self,
|
||||
table_name: str,
|
||||
@@ -124,9 +195,20 @@ class RAGService:
|
||||
self,
|
||||
doc_id: str,
|
||||
content: str,
|
||||
metadata: Optional[Dict[str, Any]] = None
|
||||
metadata: Optional[Dict[str, Any]] = None,
|
||||
chunk_size: int = None,
|
||||
chunk_overlap: int = None
|
||||
):
|
||||
"""将文档内容索引到向量数据库"""
|
||||
"""
|
||||
将文档内容索引到向量数据库（自动分块）
|
||||
|
||||
Args:
|
||||
doc_id: 文档唯一标识
|
||||
content: 文档内容
|
||||
metadata: 文档元数据
|
||||
chunk_size: 文本块大小（字符数），默认500
|
||||
chunk_overlap: 块之间的重叠字符数，默认50
|
||||
"""
|
||||
if self._disabled:
|
||||
logger.info(f"[RAG DISABLED] 文档索引操作已跳过: {doc_id}")
|
||||
return
|
||||
@@ -139,18 +221,56 @@ class RAGService:
|
||||
logger.debug(f"文档跳过索引 (无嵌入模型): {doc_id}")
|
||||
return
|
||||
|
||||
doc = SimpleDocument(
|
||||
page_content=content,
|
||||
metadata=metadata or {"doc_id": doc_id}
|
||||
)
|
||||
self._add_documents([doc], [doc_id])
|
||||
logger.debug(f"已索引文档: {doc_id}")
|
||||
# 分割文档为小块
|
||||
if chunk_size is None:
|
||||
chunk_size = self.DEFAULT_CHUNK_SIZE
|
||||
if chunk_overlap is None:
|
||||
chunk_overlap = self.DEFAULT_CHUNK_OVERLAP
|
||||
|
||||
chunks = self._split_into_chunks(content, chunk_size, chunk_overlap)
|
||||
|
||||
if not chunks:
|
||||
logger.warning(f"文档内容为空，跳过索引: {doc_id}")
|
||||
return
|
||||
|
||||
# 为每个块创建文档对象
|
||||
documents = []
|
||||
chunk_ids = []
|
||||
|
||||
for i, chunk in enumerate(chunks):
|
||||
chunk_id = f"{doc_id}_chunk_{i}"
|
||||
chunk_metadata = metadata.copy() if metadata else {}
|
||||
chunk_metadata.update({
|
||||
"chunk_index": i,
|
||||
"total_chunks": len(chunks),
|
||||
"doc_id": doc_id
|
||||
})
|
||||
|
||||
documents.append(SimpleDocument(
|
||||
page_content=chunk,
|
||||
metadata=chunk_metadata
|
||||
))
|
||||
chunk_ids.append(chunk_id)
|
||||
|
||||
# 批量添加文档
|
||||
self._add_documents(documents, chunk_ids)
|
||||
logger.info(f"已索引文档 {doc_id}，共 {len(chunks)} 个块")
|
||||
|
||||
def _add_documents(self, documents: List[SimpleDocument], doc_ids: List[str]):
|
||||
"""批量添加文档到向量索引"""
|
||||
if not documents:
|
||||
return
|
||||
|
||||
# 总是将文档存储在内存中（用于关键词搜索后备）
|
||||
for doc, did in zip(documents, doc_ids):
|
||||
self.documents.append({"id": did, "content": doc.page_content, "metadata": doc.metadata})
|
||||
self.doc_ids.append(did)
|
||||
|
||||
# 如果没有嵌入模型，跳过向量索引
|
||||
if self.embedding_model is None:
|
||||
logger.debug(f"文档跳过向量索引 (无嵌入模型): {len(documents)} 个文档")
|
||||
return
|
||||
|
||||
texts = [doc.page_content for doc in documents]
|
||||
embeddings = self.embedding_model.encode(texts, convert_to_numpy=True)
|
||||
embeddings = self._normalize_vectors(embeddings).astype('float32')
|
||||
@@ -162,12 +282,18 @@ class RAGService:
|
||||
id_array = np.array(id_list, dtype='int64')
|
||||
self.index.add_with_ids(embeddings, id_array)
|
||||
|
||||
for doc, did in zip(documents, doc_ids):
|
||||
self.documents.append({"id": did, "content": doc.page_content, "metadata": doc.metadata})
|
||||
self.doc_ids.append(did)
|
||||
def retrieve(self, query: str, top_k: int = 5, min_score: float = 0.3) -> List[Dict[str, Any]]:
|
||||
"""
|
||||
根据查询检索相关文档块
|
||||
|
||||
def retrieve(self, query: str, top_k: int = 5) -> List[Dict[str, Any]]:
|
||||
"""根据查询检索相关文档"""
|
||||
Args:
|
||||
query: 查询文本
|
||||
top_k: 返回的最大结果数
|
||||
min_score: 最低相似度分数阈值
|
||||
|
||||
Returns:
|
||||
相关文档块列表，每项包含 content, metadata, score, doc_id, chunk_index
|
||||
"""
|
||||
if self._disabled:
|
||||
logger.info(f"[RAG DISABLED] 检索操作已跳过: query={query}, top_k={top_k}")
|
||||
return []
|
||||
@@ -175,28 +301,113 @@ class RAGService:
|
||||
if not self._initialized:
|
||||
self._init_vector_store()
|
||||
|
||||
if self.index is None or self.index.ntotal == 0:
|
||||
# 优先使用向量检索
|
||||
if self.index is not None and self.index.ntotal > 0 and self.embedding_model is not None:
|
||||
try:
|
||||
query_embedding = self.embedding_model.encode([query], convert_to_numpy=True)
|
||||
query_embedding = self._normalize_vectors(query_embedding).astype('float32')
|
||||
|
||||
scores, indices = self.index.search(query_embedding, min(top_k, self.index.ntotal))
|
||||
|
||||
results = []
|
||||
for score, idx in zip(scores[0], indices[0]):
|
||||
if idx < 0:
|
||||
continue
|
||||
if score < min_score:
|
||||
continue
|
||||
doc = self.documents[idx]
|
||||
results.append({
|
||||
"content": doc["content"],
|
||||
"metadata": doc["metadata"],
|
||||
"score": float(score),
|
||||
"doc_id": doc["id"],
|
||||
"chunk_index": doc["metadata"].get("chunk_index", 0)
|
||||
})
|
||||
|
||||
if results:
|
||||
logger.debug(f"向量检索到 {len(results)} 条相关文档块")
|
||||
return results
|
||||
except Exception as e:
|
||||
logger.warning(f"向量检索失败，使用关键词搜索后备: {e}")
|
||||
|
||||
# 后备：使用关键词搜索
|
||||
logger.debug("使用关键词搜索后备方案")
|
||||
return self._keyword_search(query, top_k)
|
||||
|
||||
def _keyword_search(self, query: str, top_k: int = 5) -> List[Dict[str, Any]]:
|
||||
"""
|
||||
关键词搜索后备方案
|
||||
|
||||
Args:
|
||||
query: 查询文本
|
||||
top_k: 返回的最大结果数
|
||||
|
||||
Returns:
|
||||
相关文档块列表
|
||||
"""
|
||||
if not self.documents:
|
||||
return []
|
||||
|
||||
query_embedding = self.embedding_model.encode([query], convert_to_numpy=True)
|
||||
query_embedding = self._normalize_vectors(query_embedding).astype('float32')
|
||||
# 提取查询关键词
|
||||
keywords = []
|
||||
for char in query:
|
||||
if '\u4e00' <= char <= '\u9fff': # 中文字符
|
||||
keywords.append(char)
|
||||
# 添加英文单词
|
||||
import re
|
||||
english_words = re.findall(r'[a-zA-Z]+', query)
|
||||
keywords.extend(english_words)
|
||||
|
||||
scores, indices = self.index.search(query_embedding, min(top_k, self.index.ntotal))
|
||||
if not keywords:
|
||||
return []
|
||||
|
||||
results = []
|
||||
for score, idx in zip(scores[0], indices[0]):
|
||||
if idx < 0:
|
||||
continue
|
||||
doc = self.documents[idx]
|
||||
results.append({
|
||||
"content": doc["content"],
|
||||
"metadata": doc["metadata"],
|
||||
"score": float(score),
|
||||
"doc_id": doc["id"]
|
||||
})
|
||||
for doc in self.documents:
|
||||
content = doc["content"]
|
||||
# 计算关键词匹配分数
|
||||
score = 0
|
||||
matched_keywords = 0
|
||||
for kw in keywords:
|
||||
if kw in content:
|
||||
score += 1
|
||||
matched_keywords += 1
|
||||
|
||||
logger.debug(f"检索到 {len(results)} 条相关文档")
|
||||
return results
|
||||
if matched_keywords > 0:
|
||||
# 归一化分数
|
||||
score = score / max(len(keywords), 1)
|
||||
results.append({
|
||||
"content": content,
|
||||
"metadata": doc["metadata"],
|
||||
"score": score,
|
||||
"doc_id": doc["id"],
|
||||
"chunk_index": doc["metadata"].get("chunk_index", 0)
|
||||
})
|
||||
|
||||
# 按分数排序
|
||||
results.sort(key=lambda x: x["score"], reverse=True)
|
||||
|
||||
logger.debug(f"关键词搜索返回 {len(results[:top_k])} 条结果")
|
||||
return results[:top_k]
|
||||
|
||||
def retrieve_by_doc_id(self, doc_id: str, top_k: int = 10) -> List[Dict[str, Any]]:
|
||||
"""
|
||||
获取指定文档的所有块
|
||||
|
||||
Args:
|
||||
doc_id: 文档ID
|
||||
top_k: 返回的最大结果数
|
||||
|
||||
Returns:
|
||||
该文档的所有块
|
||||
"""
|
||||
# 获取属于该文档的所有块
|
||||
doc_chunks = [d for d in self.documents if d["metadata"].get("doc_id") == doc_id]
|
||||
|
||||
# 按 chunk_index 排序
|
||||
doc_chunks.sort(key=lambda x: x["metadata"].get("chunk_index", 0))
|
||||
|
||||
# 返回指定数量
|
||||
return doc_chunks[:top_k]
|
||||
|
||||
def retrieve_by_table(self, table_name: str, top_k: int = 5) -> List[Dict[str, Any]]:
|
||||
"""检索指定表的字段"""
|
||||
|
||||
@@ -3,6 +3,7 @@
|
||||
|
||||
从非结构化文档中检索信息并填写到表格模板
|
||||
"""
|
||||
import asyncio
|
||||
import logging
|
||||
from dataclasses import dataclass, field
|
||||
from typing import Any, Dict, List, Optional
|
||||
@@ -11,6 +12,7 @@ from app.core.database import mongodb
|
||||
from app.services.llm_service import llm_service
|
||||
from app.core.document_parser import ParserFactory
|
||||
from app.services.markdown_ai_service import markdown_ai_service
|
||||
from app.services.rag_service import rag_service
|
||||
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
@@ -43,6 +45,7 @@ class FillResult:
|
||||
value: Any = "" # 保留兼容
|
||||
source: str = "" # 来源文档
|
||||
confidence: float = 1.0 # 置信度
|
||||
warning: str = None # 多值提示
|
||||
|
||||
def __post_init__(self):
|
||||
if self.values is None:
|
||||
@@ -172,49 +175,30 @@ class TemplateFillService:
|
||||
if source_docs and template_fields:
|
||||
logger.info(f"表头看起来正常（非自动生成），无需重新生成: {[f.name for f in template_fields[:5]]}")
|
||||
|
||||
# 2. 对每个字段进行提取
|
||||
# 2. 并行提取所有字段（跳过AI审核以提升速度）
|
||||
logger.info(f"开始并行提取 {len(template_fields)} 个字段...")
|
||||
|
||||
# 并行处理所有字段
|
||||
tasks = []
|
||||
for idx, field in enumerate(template_fields):
|
||||
try:
|
||||
logger.info(f"提取字段 [{idx+1}/{len(template_fields)}]: {field.name}")
|
||||
# 从源文档中提取字段值
|
||||
result = await self._extract_field_value(
|
||||
field=field,
|
||||
source_docs=source_docs,
|
||||
user_hint=user_hint
|
||||
)
|
||||
task = self._extract_single_field_fast(
|
||||
field=field,
|
||||
source_docs=source_docs,
|
||||
user_hint=user_hint,
|
||||
field_idx=idx,
|
||||
total_fields=len(template_fields)
|
||||
)
|
||||
tasks.append(task)
|
||||
|
||||
# AI审核：验证提取的值是否合理
|
||||
if result.values and result.values[0]:
|
||||
logger.info(f"字段 {field.name} 进入AI审核阶段...")
|
||||
verified_result = await self._verify_field_value(
|
||||
field=field,
|
||||
extracted_values=result.values,
|
||||
source_docs=source_docs,
|
||||
user_hint=user_hint
|
||||
)
|
||||
if verified_result:
|
||||
# 审核给出了修正结果
|
||||
result = verified_result
|
||||
logger.info(f"字段 {field.name} 审核后修正值: {result.values[:3]}")
|
||||
else:
|
||||
logger.info(f"字段 {field.name} 审核通过，使用原提取结果")
|
||||
# 等待所有任务完成
|
||||
results = await asyncio.gather(*tasks, return_exceptions=True)
|
||||
|
||||
# 存储结果 - 使用 values 数组
|
||||
filled_data[field.name] = result.values if result.values else [""]
|
||||
fill_details.append({
|
||||
"field": field.name,
|
||||
"cell": field.cell,
|
||||
"values": result.values,
|
||||
"value": result.value,
|
||||
"source": result.source,
|
||||
"confidence": result.confidence
|
||||
})
|
||||
|
||||
logger.info(f"字段 {field.name} 填写完成: {len(result.values)} 个值")
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"填写字段 {field.name} 失败: {str(e)}", exc_info=True)
|
||||
filled_data[field.name] = [f"[提取失败: {str(e)}]"]
|
||||
# 处理结果
|
||||
for idx, result in enumerate(results):
|
||||
field = template_fields[idx]
|
||||
if isinstance(result, Exception):
|
||||
logger.error(f"提取字段 {field.name} 失败: {str(result)}")
|
||||
filled_data[field.name] = [f"[提取失败: {str(result)}]"]
|
||||
fill_details.append({
|
||||
"field": field.name,
|
||||
"cell": field.cell,
|
||||
@@ -223,6 +207,18 @@ class TemplateFillService:
|
||||
"source": "error",
|
||||
"confidence": 0.0
|
||||
})
|
||||
else:
|
||||
filled_data[field.name] = result.values if result.values else [""]
|
||||
fill_details.append({
|
||||
"field": field.name,
|
||||
"cell": field.cell,
|
||||
"values": result.values,
|
||||
"value": result.value,
|
||||
"source": result.source,
|
||||
"confidence": result.confidence,
|
||||
"warning": result.warning
|
||||
})
|
||||
logger.info(f"字段 {field.name} 填写完成: {len(result.values) if result.values else 0} 个值")
|
||||
|
||||
# 计算最大行数
|
||||
max_rows = max(len(v) for v in filled_data.values()) if filled_data else 1
|
||||
@@ -551,6 +547,222 @@ class TemplateFillService:
|
||||
confidence=0.0
|
||||
)
|
||||
|
||||
async def _extract_single_field_fast(
|
||||
self,
|
||||
field: TemplateField,
|
||||
source_docs: List[SourceDocument],
|
||||
user_hint: Optional[str] = None,
|
||||
field_idx: int = 0,
|
||||
total_fields: int = 1
|
||||
) -> FillResult:
|
||||
"""
|
||||
快速提取单个字段（跳过AI审核，减少LLM调用）
|
||||
|
||||
Args:
|
||||
field: 字段定义
|
||||
source_docs: 源文档列表
|
||||
user_hint: 用户提示
|
||||
field_idx: 当前字段索引（用于日志）
|
||||
total_fields: 总字段数（用于日志）
|
||||
|
||||
Returns:
|
||||
提取结果
|
||||
"""
|
||||
try:
|
||||
if not source_docs:
|
||||
return FillResult(
|
||||
field=field.name,
|
||||
value="",
|
||||
values=[""],
|
||||
source="无源文档",
|
||||
confidence=0.0
|
||||
)
|
||||
|
||||
# 1. 优先尝试直接从结构化数据中提取（最快路径）
|
||||
direct_values = self._extract_values_from_structured_data(source_docs, field.name)
|
||||
if direct_values:
|
||||
logger.info(f"✅ [{field_idx+1}/{total_fields}] 字段 {field.name} 直接从结构化数据提取到 {len(direct_values)} 个值")
|
||||
return FillResult(
|
||||
field=field.name,
|
||||
values=direct_values,
|
||||
value=direct_values[0] if direct_values else "",
|
||||
source="结构化数据直接提取",
|
||||
confidence=1.0
|
||||
)
|
||||
|
||||
# 2. 无法直接从结构化数据提取，使用简化版AI提取
|
||||
logger.info(f"🔍 [{field_idx+1}/{total_fields}] 字段 {field.name} 尝试AI提取...")
|
||||
|
||||
# 构建提示词 - 简化版
|
||||
hint_text = field.hint if field.hint else f"请提取{field.name}的信息"
|
||||
if user_hint:
|
||||
hint_text = f"{user_hint}。{hint_text}"
|
||||
|
||||
# 优先使用 RAG 检索内容，否则使用文档开头部分
|
||||
context_parts = []
|
||||
for doc in source_docs:
|
||||
if not doc.content:
|
||||
logger.info(f" 文档 {doc.filename} 无content内容")
|
||||
continue
|
||||
|
||||
logger.info(f" 处理文档: {doc.filename}, doc_id={doc.doc_id}, content长度={len(doc.content)}")
|
||||
|
||||
# 尝试 RAG 检索
|
||||
rag_results = rag_service.retrieve(
|
||||
query=f"{field.name} {hint_text}",
|
||||
top_k=3,
|
||||
min_score=0.1
|
||||
)
|
||||
|
||||
if rag_results:
|
||||
logger.info(f" RAG检索到 {len(rag_results)} 条结果")
|
||||
# 使用 RAG 检索到的内容
|
||||
for r in rag_results:
|
||||
rag_doc_id = r.get("doc_id", "")
|
||||
if rag_doc_id.startswith(doc.doc_id):
|
||||
context_parts.append(r["content"])
|
||||
logger.info(f" 匹配成功，使用RAG内容，长度={len(r['content'])}")
|
||||
else:
|
||||
# RAG 没结果，使用文档内容开头
|
||||
context_parts.append(doc.content[:2500])
|
||||
logger.info(f" RAG无结果，使用文档开头 {min(2500, len(doc.content))} 字符")
|
||||
|
||||
context = "\n\n".join(context_parts[:3]) if context_parts else ""
|
||||
logger.info(f" 最终context长度: {len(context)}, 内容预览: {context[:200] if context else '无'}...")
|
||||
|
||||
prompt = f"""你是一个专业的数据提取专家。请严格按照表头字段「{field.name}」从文档中提取数据。
|
||||
|
||||
提示: {hint_text}
|
||||
|
||||
【重要规则 - 必须遵守】
|
||||
1. **每个值必须有标注**：根据数据来源添加合适的标注前缀！
|
||||
- ✅ 正确格式：
|
||||
- "2024年：38710个"
|
||||
- "北京：1234万人次"
|
||||
- "某省：5678万人"
|
||||
- "公立医院：11754个"
|
||||
- "三级医院：4111个"
|
||||
- "图书馆：3246个"
|
||||
- ❌ 错误格式："38710个"（缺少标注）
|
||||
|
||||
2. **标注类型根据数据决定**：
|
||||
- 年份类数据 → "2024年：xxx"、"2023年：xxx"
|
||||
- 地区类数据 → "北京：xxx"、"广东：xxx"、"某县：xxx"
|
||||
- 机构/分类数据 → "公立医院：xxx"、"三级医院：xxx"、"图书馆：xxx"
|
||||
- 其他分类 → 根据实际情况标注
|
||||
|
||||
3. **严格按表头提取**：只提取与「{field.name}」直接相关的数据
|
||||
|
||||
4. **多值必须全部提取并标注**：如果文档中提到多个相关数据，每个都要有标注
|
||||
|
||||
文档内容：
|
||||
{context if context else "（无文档内容）"}
|
||||
|
||||
请严格按格式返回JSON：{{"values": ["标注：数值", "标注：数值", ...]}}
|
||||
注意：values数组中每个元素都必须包含标注前缀，不能只有数值！
|
||||
"""
|
||||
|
||||
messages = [
|
||||
{"role": "system", "content": "你是一个专业的数据提取助手，擅长从政府统计公报中提取数据。严格按JSON格式输出，只返回values数组。"},
|
||||
{"role": "user", "content": prompt}
|
||||
]
|
||||
|
||||
response = await self.llm.chat(
|
||||
messages=messages,
|
||||
temperature=0.1,
|
||||
max_tokens=1000
|
||||
)
|
||||
|
||||
content = self.llm.extract_message_content(response)
|
||||
logger.info(f" LLM原始返回: {content[:500]}")
|
||||
|
||||
# 解析JSON
|
||||
import json
|
||||
import re
|
||||
cleaned = content.strip()
|
||||
|
||||
# 查找JSON开始位置
|
||||
json_start = -1
|
||||
for i, c in enumerate(cleaned):
|
||||
if c == '{':
|
||||
json_start = i
|
||||
break
|
||||
|
||||
values = []
|
||||
source = "AI提取"
|
||||
if json_start >= 0:
|
||||
try:
|
||||
json_text = cleaned[json_start:]
|
||||
result = json.loads(json_text)
|
||||
values = result.get("values", [])
|
||||
logger.info(f" JSON解析成功，values: {values}")
|
||||
except json.JSONDecodeError as e:
|
||||
logger.warning(f" JSON解析失败: {e}，尝试修复...")
|
||||
# 尝试修复常见JSON问题
|
||||
try:
|
||||
# 尝试找到values数组
|
||||
values_match = re.search(r'"values"\s*:\s*\[(.*?)\]', cleaned, re.DOTALL)
|
||||
if values_match:
|
||||
values_str = values_match.group(1)
|
||||
# 提取数组中的字符串
|
||||
values = re.findall(r'"([^"]*)"', values_str)
|
||||
logger.info(f" 正则提取values: {values}")
|
||||
except:
|
||||
pass
|
||||
|
||||
# 如果values为空，尝试从文本中用正则提取数字+单位
|
||||
if not values or values == [""]:
|
||||
logger.info(f" JSON解析未获取到值，尝试正则提取...")
|
||||
# 匹配数字+单位或百分号的模式
|
||||
patterns = [
|
||||
r'(\d+\.?\d*[亿万千百十个]?[%‰℃℃万元亿]?)', # 通用数字+单位
|
||||
r'(\d+\.?\d*%)', # 百分号
|
||||
r'(\d+\.?\d*[个万人亿元]?)', # 中文单位
|
||||
]
|
||||
for pattern in patterns:
|
||||
matches = re.findall(pattern, context)
|
||||
if matches:
|
||||
# 过滤掉纯数字
|
||||
filtered = [m for m in matches if not m.replace('.', '').isdigit()]
|
||||
if filtered:
|
||||
values = filtered[:10] # 最多取10个
|
||||
logger.info(f" 正则提取到: {values}")
|
||||
break
|
||||
|
||||
if not values or values == [""]:
|
||||
values = self._extract_values_by_regex(cleaned)
|
||||
|
||||
if not values:
|
||||
values = [""]
|
||||
|
||||
# 生成多值提示（基于实际检测到的值数量）
|
||||
warning = ""
|
||||
if len(values) > 1:
|
||||
warning = f"⚠️ 检测到 {len(values)} 个值：{values[:5]}{'...' if len(values) > 5 else ''}"
|
||||
|
||||
logger.info(f"✅ [{field_idx+1}/{total_fields}] 字段 {field.name} AI提取完成: {len(values)} 个值")
|
||||
if warning:
|
||||
logger.info(f" {warning}")
|
||||
|
||||
return FillResult(
|
||||
field=field.name,
|
||||
values=values,
|
||||
value=values[0] if values else "",
|
||||
source=source,
|
||||
confidence=0.8,
|
||||
warning=warning if warning else None
|
||||
)
|
||||
|
||||
except Exception as e:
|
||||
logger.error(f"❌ [{field_idx+1}/{total_fields}] 字段 {field.name} 提取失败: {str(e)}")
|
||||
return FillResult(
|
||||
field=field.name,
|
||||
values=[""],
|
||||
value="",
|
||||
source=f"提取失败: {str(e)}",
|
||||
confidence=0.0
|
||||
)
|
||||
|
||||
async def _verify_field_value(
|
||||
self,
|
||||
field: TemplateField,
|
||||
@@ -1172,13 +1384,148 @@ class TemplateFillService:
|
||||
|
||||
values = []
|
||||
for row in rows:
|
||||
if isinstance(row, list) and target_idx < len(row):
|
||||
val = row[target_idx]
|
||||
if isinstance(row, list):
|
||||
# 跳过子表头行（主要包含年份值的行，如 "1985", "1995"）
|
||||
if self._is_year_subheader_row(row):
|
||||
logger.info(f"跳过子表头行: {row[:5]}...")
|
||||
continue
|
||||
# 跳过章节标题行
|
||||
if self._is_section_header_row(row):
|
||||
logger.info(f"跳过章节标题行: {row[:5]}...")
|
||||
continue
|
||||
if target_idx < len(row):
|
||||
val = row[target_idx]
|
||||
else:
|
||||
val = ""
|
||||
else:
|
||||
val = ""
|
||||
values.append(self._format_value(val))
|
||||
|
||||
return values
|
||||
# 过滤掉无效值（章节标题、省略号等）
|
||||
valid_values = self._filter_valid_values(values)
|
||||
if len(valid_values) < len(values):
|
||||
logger.info(f"过滤无效值: {len(values)} -> {len(valid_values)}")
|
||||
|
||||
return valid_values
|
||||
|
||||
def _is_year_subheader_row(self, row: List) -> bool:
|
||||
"""
|
||||
检测行是否看起来像年份子表头行
|
||||
|
||||
年份子表头行通常包含 "1985", "1995", "2020" 等4位数字
|
||||
|
||||
Args:
|
||||
row: 行数据
|
||||
|
||||
Returns:
|
||||
是否是年份子表头行
|
||||
"""
|
||||
if not row:
|
||||
return False
|
||||
|
||||
import re
|
||||
year_pattern = re.compile(r'^(19|20)\d{2}$')
|
||||
|
||||
# 计算看起来像年份的单元格数量
|
||||
year_like_count = 0
|
||||
for cell in row:
|
||||
cell_str = str(cell).strip()
|
||||
if year_pattern.match(cell_str):
|
||||
year_like_count += 1
|
||||
|
||||
# 如果超过50%的单元格是年份格式，认为是子表头行
|
||||
if len(row) > 0 and year_like_count / len(row) > 0.5:
|
||||
return True
|
||||
|
||||
return False
|
||||
|
||||
def _is_section_header_row(self, row: List) -> bool:
|
||||
"""
|
||||
检测行是否看起来像章节标题行
|
||||
|
||||
章节标题行通常包含 "其中："、"全部工业中："、"按...计算" 等关键词
|
||||
|
||||
Args:
|
||||
row: 行数据
|
||||
|
||||
Returns:
|
||||
是否是章节标题行
|
||||
"""
|
||||
if not row:
|
||||
return False
|
||||
|
||||
import re
|
||||
# 章节标题通常包含这些模式
|
||||
section_patterns = [
|
||||
r'其中[:：]',
|
||||
r'全部\w+中[:：]',
|
||||
r'按\w+计算',
|
||||
r'小计',
|
||||
r'合计',
|
||||
r'总计',
|
||||
r'^其中$',
|
||||
r'全部$'
|
||||
]
|
||||
|
||||
for cell in row:
|
||||
cell_str = str(cell).strip()
|
||||
if not cell_str:
|
||||
continue
|
||||
for pattern in section_patterns:
|
||||
if re.search(pattern, cell_str):
|
||||
return True
|
||||
|
||||
return False
|
||||
|
||||
def _is_valid_data_value(self, val: str) -> bool:
|
||||
"""
|
||||
检测值是否是有效的数据值（不是章节标题、省略号等）
|
||||
|
||||
Args:
|
||||
val: 值字符串
|
||||
|
||||
Returns:
|
||||
是否是有效数据值
|
||||
"""
|
||||
if not val or not str(val).strip():
|
||||
return False
|
||||
|
||||
val_str = str(val).strip()
|
||||
|
||||
# 无效模式
|
||||
invalid_patterns = [
|
||||
r'^…$', # 省略号
|
||||
r'^[\.。]+$', # 只有点或句号
|
||||
r'其中[:：]', # 章节标题
|
||||
r'全部\w+中', # 章节标题
|
||||
r'按\w+计算', # 计算类型
|
||||
r'^(小计|合计|总计)$', # 汇总行
|
||||
r'^其中$',
|
||||
r'^全部$'
|
||||
]
|
||||
|
||||
for pattern in invalid_patterns:
|
||||
import re
|
||||
if re.match(pattern, val_str):
|
||||
return False
|
||||
|
||||
return True
|
||||
|
||||
def _filter_valid_values(self, values: List[str]) -> List[str]:
|
||||
"""
|
||||
过滤出有效的数据值
|
||||
|
||||
Args:
|
||||
values: 值列表
|
||||
|
||||
Returns:
|
||||
只包含有效值的列表
|
||||
"""
|
||||
valid_values = []
|
||||
for val in values:
|
||||
if self._is_valid_data_value(val):
|
||||
valid_values.append(val)
|
||||
return valid_values
|
||||
|
||||
def _find_best_matching_column(self, headers: List, field_name: str) -> Optional[int]:
|
||||
"""
|
||||
@@ -1206,6 +1553,11 @@ class TemplateFillService:
|
||||
header_str = str(header).strip()
|
||||
header_lower = header_str.lower()
|
||||
|
||||
# 跳过空表头（第一列为空的情况）
|
||||
if not header_str:
|
||||
logger.info(f"跳过空表头列: 索引 {idx}")
|
||||
continue
|
||||
|
||||
# 策略1: 精确匹配（忽略大小写）
|
||||
if header_lower == field_lower:
|
||||
return idx
|
||||
@@ -1262,6 +1614,12 @@ class TemplateFillService:
|
||||
|
||||
values = []
|
||||
for row in rows:
|
||||
# 跳过子表头行（主要包含年份值的行，如 "1985", "1995"）
|
||||
if isinstance(row, list) and self._is_year_subheader_row(row):
|
||||
continue
|
||||
# 跳过章节标题行
|
||||
if isinstance(row, list) and self._is_section_header_row(row):
|
||||
continue
|
||||
if isinstance(row, dict):
|
||||
val = row.get(target_col, "")
|
||||
elif isinstance(row, list) and target_idx < len(row):
|
||||
@@ -1270,7 +1628,12 @@ class TemplateFillService:
|
||||
val = ""
|
||||
values.append(self._format_value(val))
|
||||
|
||||
return values
|
||||
# 过滤掉无效值（章节标题、省略号等）
|
||||
valid_values = self._filter_valid_values(values)
|
||||
if len(valid_values) < len(values):
|
||||
logger.info(f"过滤无效值: {len(values)} -> {len(valid_values)}")
|
||||
|
||||
return valid_values
|
||||
|
||||
def _format_value(self, val: Any) -> str:
|
||||
"""
|
||||
@@ -1604,38 +1967,98 @@ class TemplateFillService:
|
||||
if user_hint:
|
||||
hint_text = f"{user_hint}。{hint_text}"
|
||||
|
||||
# 构建针对字段提取的提示词
|
||||
prompt = f"""你是一个专业的数据提取专家。请从以下文档内容中提取与"{field.name}"完全匹配的数据。
|
||||
# 构建查询文本
|
||||
query_text = f"{field.name} {hint_text}"
|
||||
|
||||
# 使用 RAG 向量检索获取相关内容块
|
||||
rag_results = rag_service.retrieve(
|
||||
query=query_text,
|
||||
top_k=5,
|
||||
min_score=0.3
|
||||
)
|
||||
|
||||
# 构建上下文：优先使用 RAG 检索结果，如果检索不到则使用原始内容
|
||||
if rag_results:
|
||||
# 使用 RAG 检索到的相关块
|
||||
context_parts = []
|
||||
for result in rag_results:
|
||||
if result.get("doc_id", "").startswith(doc.doc_id) or not result.get("doc_id"):
|
||||
context_parts.append(result["content"])
|
||||
|
||||
if context_parts:
|
||||
retrieved_context = "\n\n---\n\n".join(context_parts)
|
||||
logger.info(f"RAG 检索到 {len(context_parts)} 个相关块用于字段 {field.name}")
|
||||
# 使用检索到的内容（限制长度）
|
||||
context_to_use = retrieved_context[:6000]
|
||||
else:
|
||||
# RAG 检索结果不属于当前文档，使用原始内容
|
||||
context_to_use = doc.content[:6000] if doc.content else ""
|
||||
logger.info(f"字段 {field.name} 使用原始内容（RAG结果不属于当前文档）")
|
||||
else:
|
||||
# 没有 RAG 检索结果，使用原始内容
|
||||
context_to_use = doc.content[:6000] if doc.content else ""
|
||||
logger.info(f"字段 {field.name} 使用原始内容（无RAG检索结果）")
|
||||
|
||||
# 构建针对字段提取的提示词 - 增强语义匹配能力
|
||||
prompt = f"""你是一个专业的数据提取专家。请从以下文档内容中进行**语义匹配**提取。
|
||||
|
||||
【重要】字段名: "{field.name}"
|
||||
【重要】字段提示: {hint_text}
|
||||
|
||||
请严格按照以下步骤操作：
|
||||
1. 在文档中搜索与"{field.name}"完全相同或高度相关的关键词
|
||||
2. 找到后，提取该关键词后的数值（注意：只要数值，不要单位）
|
||||
3. 如果是表格中的数据，直接提取该单元格的数值
|
||||
4. 如果是段落描述，在关键词附近找数值
|
||||
## 分类数据识别
|
||||
|
||||
文档中经常包含分类统计数据，格式如下：
|
||||
|
||||
### 1. 直接分类（用"其中："、"中，"等分隔）
|
||||
原文示例：
|
||||
- "全国医疗卫生机构总数1093551个，其中：医院38710个，基层医疗卫生机构1040023个"
|
||||
→ 字段"医院数量" 应提取: 38710
|
||||
→ 字段"基层医疗卫生机构数量" 应提取: 1040023
|
||||
|
||||
- "医院中，公立医院11754个，民营医院26956个"
|
||||
→ 字段"公立医院数量" 应提取: 11754
|
||||
→ 字段"民营医院数量" 应提取: 26956
|
||||
|
||||
### 2. 嵌套分类（用"按...分："、"其中："等结构）
|
||||
原文示例：
|
||||
- "医院按等级分：三级医院4111个（其中：三级甲等医院1876个），二级医院12294个"
|
||||
→ 字段"三级医院数量" 应提取: 4111
|
||||
→ 字段"三级甲等医院数量" 应提取: 1876
|
||||
→ 字段"二级医院数量" 应提取: 12294
|
||||
|
||||
### 3. 匹配技巧
|
||||
- "医院数量" 可匹配: "医院38710个"、"医院数量为"
|
||||
- "公立医院数量" 可匹配: "公立医院11754个"、"公立医院有"
|
||||
- 忽略"数量"、"数"、"个"等后缀的差异
|
||||
- 数值可能紧跟关键词，也可能分开描述
|
||||
|
||||
## 提取规则
|
||||
|
||||
1. **全文搜索**：在文档的全部内容中搜索，不要只搜索开头部分
|
||||
2. **分类定位**：找到包含该分类关键词的句子，理解其完整的数值
|
||||
3. **保留单位**：提取数值时**要包含单位**
|
||||
|
||||
【重要】返回值规则：
|
||||
- 只返回纯数值，不要单位（如 "4.9" 而不是 "4.9万亿元"）
|
||||
- 如果原文是"4.9万亿元"，返回 "4.9"
|
||||
- 如果原文是"144000万册"，返回 "144000"
|
||||
- 如果是百分比如"增长7.7%"，返回 "7.7"
|
||||
- 如果没有找到完全匹配的数据，返回空数组
|
||||
- **返回数值时必须包含单位**
|
||||
- 例如原文"公共图书馆3246个"，提取时应返回 "3246个"
|
||||
- 例如原文"国内旅游收入4.9万亿元"，提取时应返回 "4.9万亿元"
|
||||
- 例如原文"注册护士585.5万人"，提取时应返回 "585.5万人"
|
||||
- 如果字段是"指标"类型，返回具体的指标名称文本（不带单位）
|
||||
- 如果没有找到任何相关数据，返回空数组
|
||||
|
||||
文档内容：
|
||||
{doc.content[:10000] if doc.content else ""}
|
||||
{context_to_use}
|
||||
|
||||
请用严格的 JSON 格式返回：
|
||||
{{
|
||||
"values": ["值1", "值2", ...], // 只填数值，不要单位
|
||||
"source": "数据来源说明",
|
||||
"values": ["提取到的值1", "值2", ...],
|
||||
"source": "数据来源说明（如：从文档第X段提取）",
|
||||
"confidence": 0.0到1.0之间的置信度
|
||||
}}
|
||||
|
||||
示例：
|
||||
- 如果字段是"图书馆总藏量（万册）"且文档说"图书总藏量14.4亿册"，返回 values: ["144000"]
|
||||
- 如果字段是"国内旅游收入（亿元）"且文档说"国内旅游收入4.9万亿元"，返回 values: ["49000"]"""
|
||||
【重要】即使是模糊匹配，也要：
|
||||
- 确保提取的内容确实来自文档
|
||||
- source中准确说明数据来源位置"""
|
||||
|
||||
messages = [
|
||||
{"role": "system", "content": "你是一个专业的数据提取助手，擅长从政府统计公报等文档中提取数据。请严格按JSON格式输出。"},
|
||||
@@ -1790,31 +2213,45 @@ class TemplateFillService:
|
||||
source_info += f"【包含表格数】: {tables_count}\n"
|
||||
if tables_summary:
|
||||
source_info += f"{tables_summary}\n"
|
||||
elif content:
|
||||
source_info += f"【内容预览】: {content[:1500]}...\n"
|
||||
if content:
|
||||
source_info += f"【文档内容】（前3000字符）：{content[:3000]}\n"
|
||||
|
||||
prompt = f"""你是一个专业的表格设计助手。请根据源文档内容生成合适的表格表头字段。
|
||||
prompt = f"""你是一个专业的数据分析助手。请分析源文档中的所有数据，生成表格表头字段。
|
||||
|
||||
任务：用户有一些源文档（包含表格数据），需要填写到空白表格模板中。源文档中的表格如下：
|
||||
任务：分析源文档，找出所有具体的数据指标及其分类。
|
||||
|
||||
{source_info}
|
||||
|
||||
【重要要求】
|
||||
1. 请仔细阅读上面的源文档表格，找出所有不同的列名（如"产品名称"、"1995年产量"、"按资产总额计算(%)"等）
|
||||
2. 直接使用这些实际的列名作为表头字段名，不要生成新的或同义词
|
||||
3. 如果一个源文档有多个表格，请为每个表格选择合适的列名
|
||||
4. 生成3-8个表头字段，优先选择数据量大的表格的列
|
||||
1. **只生成数据字段名**：
|
||||
- ✅ 正确示例："医院数量"、"公立医院数量"、"病床使用率"
|
||||
- ❌ 错误示例："source"、"备注"、"说明"、"数据来源"
|
||||
|
||||
2. **识别所有数值数据**：
|
||||
- 例如："医院38710个"、"病床使用率78.8%"
|
||||
- 例如："公立医院11754个"、"公立医院病床使用率84.8%"
|
||||
|
||||
3. **理解分类层级**：
|
||||
- 顶级分类：如"医院"、"基层医疗卫生机构"
|
||||
- 二级分类：如"医院"下分为"公立医院"、"民营医院"
|
||||
|
||||
4. **生成字段**：
|
||||
- 字段名要简洁，如："医院数量"、"病床使用率"
|
||||
- 优先选择：总数 + 主要分类
|
||||
|
||||
5. **生成数量**：
|
||||
- 生成5-7个最有代表性的字段
|
||||
|
||||
请严格按照以下 JSON 格式输出（只需输出 JSON，不要其他内容）：
|
||||
{{
|
||||
"fields": [
|
||||
{{"name": "实际列名1", "hint": "对该列的说明"}},
|
||||
{{"name": "实际列名2", "hint": "对该列的说明"}}
|
||||
{{"name": "字段名1"}},
|
||||
{{"name": "字段名2"}}
|
||||
]
|
||||
}}
|
||||
"""
|
||||
messages = [
|
||||
{"role": "system", "content": "你是一个专业的表格设计助手。请严格按JSON格式输出。"},
|
||||
{"role": "system", "content": "你是一个专业的表格设计助手。请严格按JSON格式输出，只返回纯数据字段名，不要source、备注、说明等辅助字段。"},
|
||||
{"role": "user", "content": prompt}
|
||||
]
|
||||
|
||||
@@ -1853,14 +2290,22 @@ class TemplateFillService:
|
||||
|
||||
if result and "fields" in result:
|
||||
fields = []
|
||||
# 过滤非数据字段
|
||||
skip_keywords = ["source", "来源", "备注", "说明", "备注列", "说明列", "data_source", "remark", "note", "description"]
|
||||
for idx, f in enumerate(result["fields"]):
|
||||
field_name = f.get("name", f"字段{idx+1}")
|
||||
# 跳过非数据字段
|
||||
if any(kw in field_name.lower() for kw in skip_keywords):
|
||||
logger.info(f"跳过非数据字段: {field_name}")
|
||||
continue
|
||||
fields.append(TemplateField(
|
||||
cell=self._column_to_cell(idx),
|
||||
name=f.get("name", f"字段{idx+1}"),
|
||||
name=field_name,
|
||||
field_type="text",
|
||||
required=False,
|
||||
hint=f.get("hint", "")
|
||||
))
|
||||
logger.info(f"AI 生成表头: {[f.name for f in fields]}")
|
||||
return fields
|
||||
|
||||
except Exception as e:
|
||||
|
||||
@@ -766,6 +766,7 @@ const Documents: React.FC = () => {
|
||||
<div
|
||||
{...getRootProps()}
|
||||
className="flex items-center justify-center gap-2 p-3 border-2 border-dashed rounded-lg cursor-pointer hover:border-primary/50 hover:bg-primary/5 transition-colors"
|
||||
onClick={(e) => e.stopPropagation()}
|
||||
>
|
||||
<input {...getInputProps()} multiple={true} />
|
||||
<Plus size={16} className="text-muted-foreground" />
|
||||
|
||||
@@ -626,6 +626,16 @@ const TemplateFill: React.FC = () => {
|
||||
<div className="text-muted-foreground text-xs mt-1">
|
||||
来源: {detail.source} | 置信度: {detail.confidence ? (detail.confidence * 100).toFixed(0) + '%' : 'N/A'}
|
||||
</div>
|
||||
{detail.warning && (
|
||||
<div className="mt-2 p-2 bg-yellow-50 border border-yellow-200 rounded-lg text-yellow-700 text-xs">
|
||||
⚠️ {detail.warning}
|
||||
</div>
|
||||
)}
|
||||
{detail.values && detail.values.length > 1 && !detail.warning && (
|
||||
<div className="mt-2 text-xs text-muted-foreground">
|
||||
多值: {detail.values.join(', ')}
|
||||
</div>
|
||||
)}
|
||||
</div>
|
||||
</div>
|
||||
))}
|
||||
|
||||
Reference in New Issue
Block a user