Kit gratuito / Contract OCR API Pack
Contract OCR API: JSON pulito da PDF disordinati
L'OCR basato su template si rompe non appena un campo si sposta di un centimetro. Hai il prompt vision, gli schemi imposti e il livello di validazione che uso per trasformare contratti e documenti in JSON strict.
Perché i modelli generalisti falliscono sui PDF legali densi, e la valutazione che lo ha stabilito, è in Contract OCR API: Extract Structured Legal Data with Claude 4.7. Correlato: il Workflow Audit Kit trova dove i documenti si bloccano prima di costruire qualsiasi cosa.
Prima di iniziare
Questo pack è il livello di estrazione che metto davanti a qualsiasi pipeline di documenti che deve produrre record strutturati invece di un mucchio di testo. Il modello vision legge la pagina nel contesto. Lo schema decide cosa può uscire. Il validatore decide cosa può essere scritto. Hai il prompt, gli schemi e la chiamata Python che li esegue. Le soglie e il testo di retry stanno accanto.
L'OCR basato su template tratta una pagina come una mappa fissa di coordinate, con ogni campo inchiodato a un punto e ogni etichetta a un altro. Funziona su una scansione pulita e crolla su tutto il resto, da un incarico con nuova intestazione a un contratto di locazione con un'appendice spillata a una foto di documento scattata di sbieco. Un modello vision-language legge la pagina come la legge una persona, attraverso layout, tabelle, scrittura a mano e blocchi spostati. Lo schema è ciò che tiene onesta quella lettura.
Non lasciare mai che il modello scriva direttamente in un sistema di record. L'estrazione produce un payload candidato. La validazione decide se il payload è sicuro. La confidence decide se un umano lo vede. Solo allora qualcosa viene scritto. Tieni il documento originale accanto a ogni oggetto estratto, così ogni campo è riconducibile a una pagina.
Sezione 1 · Perché i template falliscono e le letture contestuali tengono
L'OCR basato su template fallisce in modi specifici e ripetibili. Dai un nome all'errore e sai quale livello sostituire. Lavora le tabelle qui sotto contro il tuo estrattore attuale prima di cambiare qualcosa.
Tabella 1A · Modi di errore del template
| Modo di errore | Come si presenta | Perché il template si rompe | Comportamento della lettura contestuale |
|---|---|---|---|
| Deriva del campo | Esempio: la clausola di preavviso si sposta due righe più in basso dopo un cambio di intestazione | Il box ancora non si sovrappone più al valore | Il modello legge la clausola dalla sua intestazione |
| Varianti di layout | |||
| Tabelle su più pagine | |||
| Annotazioni manoscritte |
Tabella 1B · Inventario documenti (compila questo)
Elenca ogni tipo di documento che estrai. Se un tipo compare mensilmente o più, riceve uno schema. Se compare annualmente, instradalo allo schema generico di contratto e rivedilo.
| Tipo di documento | Volume mensile | Campi che il downstream richiede | Estrattore attuale | Pattern di errore noto |
|---|---|---|---|---|
| Esempio: incarico / retainer | 40 | parti, compenso, termine, giorni di preavviso, giurisdizione | Zapier + template fissi | il blocco compenso deriva sulla nuova intestazione |
Cosa fa una lettura contestuale
| Livello | Cosa decide | Condizione di passaggio | Errore comune |
|---|---|---|---|
| Livello pagina | Tipo di documento, numero di pagine, se la scansione è leggibile | Un tipo dal tuo enum, ogni pagina rendicontata, nessun flag di illeggibilità | Un pacco di allegati arriva come un unico PDF e il modello classifica dalla copertina |
| Livello regione | Quali blocchi sono parti, corrispettivo, termine, preavviso, legge applicabile, firma | Ogni regione richiesta localizzata o esplicitamente assente, con numero di pagina | Le definizioni scambiate per la clausola operativa |
| Livello campo | Il valore tipizzato più la citazione fonte che lo prova | Valore, tipo, citazione e pagina su ogni campo richiesto | Un numero copiato da una tabella invece che dalla clausola operativa |
Sezione 2 · Il prompt di estrazione e le sue regole di output
Un template di prompt, parametrizzato per tipo di documento e schema target. Le regole sono dure di proposito. Un prompt che permette prosa permette errori di parsing silenziosi a valle.
Template del prompt di estrazione
ROLE
You extract structured fields from legal documents. You never
summarize, never infer, never invent.
INPUT
document_type: {{engagement | nda | service_agreement | lease |
court_filing | identity | contract}}
matter_hint: {{case_type if known}}
target_schema: {{schema_name}}
page_count_hint: {{expected pages, or null}}
RULES
1. Return JSON only. No prose before or after.
2. Wrap output exactly as:
<response><json>{...}</json></response>
3. Read numbers as they appear in the document. Spell-out
numbers convert to digits: "thirty-six thousand six hundred
five" becomes 36605. If the digits and the words disagree,
set numeric_conflict: true and use neither value.
4. Dates become YYYY-MM-DD. If only a partial date exists,
set date_precision to year, month or day.
5. Jurisdiction is the stated one. If absent or ambiguous,
return null. Do not guess from the party names.
6. Every field in the required list must be present. Use null
for genuinely absent values, never an empty string.
7. Quote source text for each extracted value under
"evidence". If you cannot locate the source text, the
field is null.
8. Party fields capture the full legal name as written.
Roles are separate fields. Do not merge a company and its
signatory into one string.
9. Currency is ISO 4217. If the document states a symbol with
no currency code, infer the code only when the symbol is
unambiguous for the stated jurisdiction. Otherwise
currency: null and amount: null.
10. Never average, round or normalise a figure the document
states. Transcribe, then let code normalise.
11. If two sections disagree on the same fact, keep both under
"conflicts" and set the primary field to null.
12. If the document is unreadable, return
{"status":"unreadable","reason":"..."}.
OUTPUT
JSON object conforming to the target schema.Cosa impedisce ogni regola
| Regola | Errore che ferma | Dove morde se la togli |
|---|---|---|
| 1 solo JSON | Fencing markdown e commenti attorno all'oggetto | Ogni passo di parsing a valle |
| 2 wrapper response / json | Il modello che parla oltre un estrattore strict | Logica di retry, logging, registro schemi |
| 3 numeri cifre vs parole | Conversioni numeriche inventate | Compenso, depositi, penali, danni |
| 4 precisione della data | Falsa confidence a livello di giorno su una data solo mese | Finestre di preavviso, periodi di prescrizione |
| 5 giurisdizione come dichiarata | Legge applicabile indovinata dall'indirizzo di una parte | Foro, verifiche conflitti, instradamento tribunale |
| 6 null e non stringa vuota | Scritture vuote che sembrano valori reali | Campi richiesti del CRM, indici di ricerca |
| 7 evidenza per campo | Campi che nessuno può ricondurre a una pagina | Revisori, audit, correzioni |
| 8 ruoli delle parti separati | Azienda e firmatario collassati in un solo nome | Deduplica, verifica conflitti, liste di servizio |
| 9 valuta esplicita | Assunzione silenziosa di USD su un documento in EUR | Ogni campo denaro |
| 10 trascrivi prima | Il modello che arrotonda 36605 in 36600 | Scalari compenso, scalatori |
| 11 array conflicts | Uno di due valori in disaccordo scelto a caso | Emendamenti, rider, bozze precedenti |
| 12 stato unreadable | Rifiuti sicuri da una pagina vuota o corrotta | Job batch che scriverebbero spazzatura |
Testo di retry (usalo come scritto)
Quando il primo passaggio fallisce il parsing dell'envelope o la validazione dello schema, riprova una volta con un prompt ridotto. Non discutere con il modello. Restringi il lavoro.
The previous response did not validate against the target
schema. Return JSON only, wrapped as
<response><json>{...}</json></response>.
Extract ONLY these fields:
{{comma separated required field list}}
If a field is not on the page, return null.
If two sections disagree, set the field to null and list the
quotations under "conflicts".
Do not explain. Do not add fields.Due tentativi sono il massimo. Un terzo tentativo è superstizione. Dopo due fallimenti il documento va alla coda del revisore con entrambe le risposte raw allegate.
Sezione 3 · Schemi che rifiutano qualsiasi cosa il modello inventi
C'è un envelope base e sei insiemi di proprietà per tipo. L'envelope porta stato, confidence, evidenza e stato di conflitto. Gli insiemi di proprietà portano i campi che differiscono per documento. Valida prima l'envelope, poi l'insieme di proprietà per il tipo richiesto. Qualsiasi cosa non sia nello schema viene scartata prima di arrivare a un record.
Schema envelope base
{
"$id": "ocr/envelope.v1.json",
"type": "object",
"properties": {
"document_type": {"enum": ["engagement","nda","service_agreement",
"lease","court_filing","identity","contract"]},
"target_schema": {"type": "string"},
"schema_version": {"type": "string"},
"page_count": {"type": "integer", "minimum": 1},
"status": {"enum": ["ok", "partial", "unreadable", "conflict"]},
"confidence": {"type": "number", "minimum": 0, "maximum": 1},
"meets_threshold": {"type": "boolean"},
"numeric_conflict": {"type": "boolean"},
"date_precision": {"enum": ["day", "month", "year", null]},
"jurisdiction": {"type": ["string", "null"]},
"evidence": {
"type": "object",
"additionalProperties": {
"type": "object",
"properties": {
"quote": {"type": "string"},
"page": {"type": "integer", "minimum": 1}},
"required": ["quote", "page"]}
},
"conflicts": {
"type": "array",
"items": {
"type": "object",
"properties": {
"field": {"type": "string"},
"values": {"type": "array", "items": {"type": "string"}},
"pages": {"type": "array", "items": {"type": "integer"}}},
"required": ["field", "values"]}
},
"fields": {"type": "object"}
},
"required": ["document_type","target_schema","schema_version","status",
"confidence","meets_threshold","numeric_conflict",
"evidence","fields"],
"additionalProperties": false
}Tre punti. additionalProperties: false è la valvola di rifiuto per le chiavi inventate. meets_threshold permette all'orchestratore di ramificare su un booleano invece di parsare testo libero. evidence è indicizzato per nome di campo così un revisore apre un oggetto e vede sia l'affermazione sia la pagina.
Insiemi di proprietà per tipo
Ogni blocco qui sotto è l'oggetto fields per un tipo di documento, più la sua lista required. Carica l'envelope base, poi l'insieme per il tipo richiesto. Null significa assente. Stringa vuota è un fallimento di validazione.
// 1. ENGAGEMENT / RETAINER
"fields": {
"client_name": {"type": ["string","null"]},
"firm_name": {"type": ["string","null"]},
"responsible_attorney": {"type": ["string","null"]},
"practice_area": {"type": ["string","null"]},
"fee_type": {"enum": ["hourly","flat","contingency",
"retainer","hybrid",null]},
"fee_amount": {"type": ["number","null"], "minimum": 0},
"currency": {"type": ["string","null"], "maxLength": 3},
"billing_interval": {"enum": ["hour","month","matter","on_event",null]},
"retainer_amount": {"type": ["number","null"], "minimum": 0},
"effective_date": {"type": ["string","null"]},
"termination_notice_days": {"type": ["integer","null"], "minimum": 0},
"scope_summary": {"type": ["string","null"]},
"case_type": {"type": ["string","null"]},
"urgency": {"enum": ["low","normal","high","critical",null]}
}
"required_fields": ["client_name","firm_name","fee_type",
"effective_date","jurisdiction"]
// 2. NDA
"fields": {
"disclosing_party": {"type": ["string","null"]},
"receiving_party": {"type": ["string","null"]},
"mutual": {"type": ["boolean","null"]},
"effective_date": {"type": ["string","null"]},
"term_months": {"type": ["integer","null"], "minimum": 0},
"survival_months": {"type": ["integer","null"], "minimum": 0},
"confidential_info_scope": {"type": ["string","null"]},
"permitted_use": {"type": ["string","null"]},
"return_or_destroy_days": {"type": ["integer","null"], "minimum": 0},
"injunctive_relief": {"type": ["boolean","null"]},
"governing_law": {"type": ["string","null"]},
"non_solicit_months": {"type": ["integer","null"], "minimum": 0}
}
"required_fields": ["disclosing_party","receiving_party",
"effective_date","jurisdiction"]
// 3. SERVICE AGREEMENT / SOW
"fields": {
"provider_name": {"type": ["string","null"]},
"customer_name": {"type": ["string","null"]},
"service_description": {"type": ["string","null"]},
"start_date": {"type": ["string","null"]},
"end_date": {"type": ["string","null"]},
"auto_renew": {"type": ["boolean","null"]},
"renewal_notice_days": {"type": ["integer","null"], "minimum": 0},
"total_contract_value": {"type": ["number","null"], "minimum": 0},
"currency": {"type": ["string","null"], "maxLength": 3},
"payment_terms_days": {"type": ["integer","null"], "minimum": 0},
"sla_uptime_pct": {"type": ["number","null"], "maximum": 100},
"liability_cap_multiple": {"type": ["number","null"], "minimum": 0},
"termination_for_convenience_days": {"type": ["integer","null"], "minimum": 0}
}
"required_fields": ["provider_name","customer_name","start_date","jurisdiction"]
// 4. LEASE
"fields": {
"landlord_name": {"type": ["string","null"]},
"tenant_name": {"type": ["string","null"]},
"property_address": {"type": ["string","null"]},
"lease_type": {"enum": ["commercial","residential",
"sublease","ground",null]},
"commencement_date": {"type": ["string","null"]},
"expiration_date": {"type": ["string","null"]},
"base_rent_amount": {"type": ["number","null"], "minimum": 0},
"currency": {"type": ["string","null"], "maxLength": 3},
"rent_frequency": {"enum": ["month","quarter","year",null]},
"security_deposit": {"type": ["number","null"], "minimum": 0},
"escalation_pct": {"type": ["number","null"], "minimum": 0},
"renewal_options": {"type": ["integer","null"], "minimum": 0},
"use_clause": {"type": ["string","null"]},
"square_footage": {"type": ["number","null"], "minimum": 0}
}
"required_fields": ["landlord_name","tenant_name","property_address",
"commencement_date","jurisdiction"]
// 5. COURT FILING
"fields": {
"court_name": {"type": ["string","null"]},
"caption_plaintiff": {"type": ["string","null"]},
"caption_defendant": {"type": ["string","null"]},
"case_number": {"type": ["string","null"]},
"document_title": {"type": ["string","null"]},
"filing_date": {"type": ["string","null"]},
"filing_party": {"type": ["string","null"]},
"filing_type": {"enum": ["complaint","motion","brief","order",
"notice","exhibit","declaration",
"other",null]},
"hearing_date": {"type": ["string","null"]},
"response_deadline": {"type": ["string","null"]},
"certificate_of_service": {"type": ["boolean","null"]},
"exhibit_count": {"type": ["integer","null"], "minimum": 0}
}
"required_fields": ["court_name","case_number","document_title","jurisdiction"]
// 6. IDENTITY DOCUMENT
"fields": {
"doc_kind": {"enum": ["passport","drivers_license",
"national_id","residence_permit",
"other",null]},
"full_name": {"type": ["string","null"]},
"given_names": {"type": ["string","null"]},
"family_name": {"type": ["string","null"]},
"document_number": {"type": ["string","null"]},
"issuing_country": {"type": ["string","null"]},
"issuing_authority": {"type": ["string","null"]},
"date_of_birth": {"type": ["string","null"]},
"issue_date": {"type": ["string","null"]},
"expiry_date": {"type": ["string","null"]},
"address_line": {"type": ["string","null"]},
"mrz_present": {"type": ["boolean","null"]}
}
"required_fields": ["doc_kind","full_name","document_number","expiry_date"]Ogni payload porta schema_version. Aggiungere un campo incrementa la versione minore e accetti entrambe le forme per un mese. Rimuovere o ritipizzare un campo incrementa la versione maggiore e ferma la forma vecchia. Conserva la versione sull'oggetto estratto così un lettore successivo sa quali regole lo hanno prodotto.
Tabella 3A · Checklist insieme di proprietà (compila questo)
| Tipo di documento | Campi required (lista separata da virgole) | Valori enum che il tuo CRM accetta | Soglia di confidence | Versione schema |
|---|---|---|---|---|
| Engagement / retainer | client_name, firm_name, fee_type, effective_date, jurisdiction | fee_type: hourly, flat, retainer | 0.88 | 1.0 |
| NDA | ||||
| Service agreement | ||||
| Lease | ||||
| Court filing | ||||
| Identity document |
Sezione 4 · Validazione: numeri, date, riferimenti incrociati
La validazione gira in codice. Il prompt chiede onestà. Il validatore la impone. Esegui ogni controllo qui sotto su ogni payload prima che qualcosa venga scritto.
Regole di validazione
- Controllo envelope: il wrapper
<response><json>si parsa, poi l'oggetto interno si parsa come JSON. Rifiuta e riprova con il prompt ridotto se non va. - Controllo tipo: ogni campo corrisponde al suo tipo dichiarato. I campi interi rifiutano i float. I campi numerici rifiutano stringhe con simboli di valuta ancora attaccati.
- Controllo required: ogni campo nella lista required del tipo è presente. Null è ammesso solo dove lo schema lo permette. Un campo required null forza l'escalation.
- Controllo range: importi non negativi, giorni di preavviso tra 0 e il tuo tetto, confidence tra 0 e 1, date di scadenza nel passato sui documenti di identità.
- Controllo enum: tipo compenso, tipo locazione, tipo deposito, urgenza e giurisdizione limitati ai valori che il tuo CRM accetta. Qualsiasi altra cosa è un fallimento di mapping e viene rifiutata.
- Coerenza numerica: se cifre e parole non concordano, o la stessa cifra compare due volte con valori diversi, imposta
numeric_conflicte fermati. I modelli linguistici allucinano conversioni numeriche. Questa è la classe di errore più costosa in un documento legale. - Forma e ordine delle date: i valori corrispondono alla loro
date_precision. Data fine dopo data inizio. Scadenza dopo emissione. Data udienza non precedente alla data di deposito. Finestre di preavviso coerenti con la clausola di risoluzione. - Riferimenti incrociati delle parti: i nomi delle parti compaiono nella mappa delle evidenze. Ogni nome di parte è verificato contro la tua lista di conflitti e i record contatto esistenti prima di qualsiasi scrittura.
- Evidenza presente: ogni campo required ha una citazione fonte ...
import anthropic
from jsonschema import Draft7Validator
client = anthropic.Anthropic()
ENVELOPE = json.load(open("schemas/ocr/envelope.v1.json"))
SETS = json.load(open("schemas/ocr/property_sets.v1.json"))
FLOORS = {"engagement": 0.88, "nda": 0.86, "service_agreement": 0.86,
"lease": 0.87, "court_filing": 0.85, "identity": 0.92,
"contract": 0.85}
WRAPPER = re.compile(r"<response><json>(.*)</json></response>", re.S)
JURISDICTION_REQUIRED = {"engagement", "nda", "service_agreement",
"lease", "court_filing", "contract"}
def doc_block(path):
data = open(path, "rb").read()
b64 = base64.b64encode(data).decode()
if path.endswith(".pdf"):
return {"type": "document",
"source": {"type": "base64",
"media_type": "application/pdf", "data": b64}}
return {"type": "image",
"source": {"type": "base64", "media_type": "image/png",
"data": b64}}
def parse_envelope(text):
m = WRAPPER.search(text or "")
if not m:
raise ValueError("envelope_missing")
return json.loads(m.group(1))
def validate_payload(payload, doc_type):
errs = [f"envelope:{e.message}"
for e in Draft7Validator(ENVELOPE).iter_errors(payload)]
fields = payload.get("fields") or {}
props = SETS[doc_type]["fields"]
wrapped = {"type": "object", "properties": props,
"additionalProperties": False}
errs += [f"fields:{e.message}"
for e in Draft7Validator(wrapped).iter_errors(fields)]
for name in SETS[doc_type]["required_fields"]:
if name not in fields:
errs.append(f"missing_required:{name}")
elif fields.get(name) is None and name != "jurisdiction":
errs.append(f"null_required:{name}")
return errs
def cross_checks(payload):
errs = []
fields = payload.get("fields") or {}
if payload.get("numeric_conflict"):
errs.append("numeric_conflict")
pairs = [("effective_date", "end_date"), ("effective_date", "expiration_date"),
("start_date", "end_date"), ("commencement_date", "expiration_date"),
("issue_date", "expiry_date"), ("filing_date", "hearing_date")]
for a, b in pairs:
if fields.get(a) and fields.get(b) and str(fields[b]) <= str(fields[a]):
errs.append(f"date_order:{a}>={b}")
for name, cell in (payload.get("evidence") or {}).items():
if not cell.get("quote") or not cell.get("page"):
errs.append(f"evidence_incomplete:{name}")
dt = payload.get("document_type")
if dt in JURISDICTION_REQUIRED and not payload.get("jurisdiction"):
errs.append("jurisdiction_missing")
return errs
def retry_prompt(doc_type):
required = ", ".join(SETS[doc_type]["required_fields"])
return ("RETRY\nReturn JSON only, wrapped as "
"<response><json>{...}</json></response>.\n"
f"Extract ONLY these fields: {required}\n"
"If a field is not on the page, return null. "
"Do not explain. Do not add fields.")
def extract(path, doc_type, schema_name):
system = "You extract structured fields from legal documents."
base_prompt = open("prompts/extraction.v1.txt").read().format(
document_type=doc_type, matter_hint="null",
target_schema=schema_name, page_count_hint="null")
prompt, raw = base_prompt, ""
for attempt in (1, 2):
msg = client.messages.create(
model="claude-sonnet-4-5", max_tokens=4096, system=system,
messages=[{"role": "user", "content": [
doc_block(path), {"type": "text", "text": prompt}]}])
raw = msg.content[0].text
try:
payload = parse_envelope(raw)
except (ValueError, json.JSONDecodeError):
prompt = retry_prompt(doc_type)
continue
errs = validate_payload(payload, doc_type) + cross_checks(payload)
floor = FLOORS[doc_type]
ok = (payload.get("confidence", 0) >= floor
and not errs and not payload.get("numeric_conflict"))
payload["meets_threshold"] = ok
if ok:
return {"result": "accepted", "payload": payload,
"attempt": attempt}
prompt = retry_prompt(doc_type)
reason = "two_failed_attempts" if errs else "below_confidence_floor"
return {"result": "escalate", "payload": payload, "errors": errs,
"raw_responses": [raw], "reason": reason}Un payload può essere fluente, completo e sbagliato sul compenso. Il validatore è l'unico livello che non si cura di quanto convincente sia il JSON.
Tabella 4A · Foglio di lavoro validazione (compila questo)
| Regola | Dove la implementi | Esempio di fail catturato | Azione collegata |
|---|---|---|---|
| Coerenza numerica | cross_checks() in extract.py | 36605 vs "thirty-six thousand six hundred" | numeric_conflict, escalate |
| Ordine delle date | |||
| Valuta presente | |||
| Evidenza delle parti | |||
| Corrispondenza lista conflitti | |||
| Campo required null | |||
| Scarto chiave sconosciuta |
Sezione 5 · Escalation a un umano quando la confidence scende
Un punteggio di confidence basso è comunque informazione. Il modello ti sta dicendo che non è sicuro. La risposta corretta è un revisore con il payload e la pagina fonte.
Tabella 5A · Soglie di confidence e testo di retry
| Tipo di documento | Soglia | Tentativi | Enfasi del retry | Escalare a |
|---|---|---|---|---|
| Engagement / retainer | 0.88 | 2 | fee_type, fee_amount, giorni di preavviso | Coda paralegale, SLA 2h |
| NDA | 0.86 | 2 | parti, termine, sopravvivenza | Coda paralegale, SLA 4h |
| Service agreement | 0.86 | 2 | TCV, termini di pagamento, cap di responsabilità | Coda ops, SLA 4h |
| Lease | 0.87 | 2 | indirizzo, date, canone e scalatore | Coda paralegale, SLA 4h |
| Court filing | 0.85 | 2 | numero causa, date, intestazione | Revisione avvocato, SLA 1h |
| Identity document | 0.92 | 1 | nessun secondo tentativo sui dati di identità | Coda compliance, stesso giorno |
Le soglie sono punti di partenza. Alza una soglia quando un tipo di documento inizia a produrre payload accettati che i revisori continuano a correggere. Abbassala solo con evidenza che i revisori stanno rileggendo output corretto.
Trigger di escalation
| Trigger | Perché conta | Instradare a |
|---|---|---|
| Confidence sotto la soglia del tipo | Il modello ti sta dicendo che non è sicuro | Coda revisore, timer SLA acceso |
| Campo required restituito null | La scrittura nel CRM arriverebbe incompleta | Coda revisore |
numeric_conflicttrue o qualsiasi errore di validazione | La scrittura avrebbe propagato un valore errato | Coda revisore |
| Coerenza numerica flaggata | Le cifre e le parole non concordano | Coda revisore, payload bloccato |
{
"queue_item_id": "ocr_esc_01J2K8Q2",
"document_id": "doc_9f3a_retn_2026_04",
"document_type": "engagement",
"correlation_id": "corr_ocr_01J2K8Q2",
"idempotency_key": "ocr:engagement:doc_9f3a:attempt2",
"reason": "below_confidence_floor",
"confidence": 0.79, "floor": 0.88, "attempt_count": 2,
"errors": ["null_required:fee_amount", "evidence_incomplete:client_name"],
"payload": { "...": "candidate object as returned" },
"raw_responses": ["attempt1", "attempt2"],
"source_pages": [1, 3, 4],
"sla_minutes": 120,
"assigned_role": "paralegal",
"status": "open"
}Checklist del revisore
- Apri la pagina fonte accanto al payload candidato. Lavora a partire dalla pagina stessa.
- Conferma ogni campo required contro la citazione di evidenza prima di cambiare qualcosa.
- Correggi scrivendo un oggetto corretto. Non sovrascrivere mai l'output del modello. Entrambe le versioni restano.
- Registra perché il modello si sbagliava: layout, illeggibile, clausola ambigua, cattiva divisione di pagina.
- Se lo stesso motivo compare tre volte in una settimana, cambia il prompt o lo schema. Non continuare a correggere a mano.
- Chiudi l'item con una decisione: accetta come corretto, rifiuta e richiedi di nuovo, o blocca per firma dell'avvocato.
Un ruolo per tipo di documento. SLA su ogni item aperto, in escalation quando invecchia. Il rifiuto è un esito valido e instrada a una persona nominata per una decisione. Le correzioni si accodano. La chiusura massiva è disabilitata.
Se vuoi la pipeline costruita invece che assemblata, quello è il servizio document processing agents.
Sezione 6 · FAQ
Questo sostituisce il mio strumento OCR attuale?
Sostituisce il livello di estrazione e validazione. Se uno strumento già memorizza e versiona i documenti, tienilo. Punta lo strumento a questa chiamata invece che al suo mapper template integrato.
Quale modello usa la chiamata Python?
Un'API di modello con capacità vision con zero data retention configurata sul tuo account. Il campione usa una chiamata Anthropic messages con un document block. Scambia il client, tieni schema e validatore.
Perché non chiedere di più al modello?
Perché un prompt non può imporre un tipo. Può solo richiederlo. Lo schema rifiuta le chiavi inventate, il validatore rifiuta i valori sbagliati e la coda cattura il resto. Tre livelli, ognuno meccanico.
Cosa succede con firme e timbri manoscritti?
Trattali come prova che l'esecuzione è avvenuta. Cattura presenza, data se leggibile e la pagina. Non chiedere al modello di inventare un nome di firmatario da un fiorellino.
Posso aggiungere un settimo tipo di documento?
Sì. Copia un insieme di proprietà, elenca i campi required, scegli una soglia di confidence dal vicino più prossimo e versiona lo schema. La Tabella 3A è il foglio di lavoro per questo.
E se il problema è a valle dell'estrazione?
Allora è un problema di cablaggio. La diagnostica workflow gratuita mappa quel percorso. Questo pack resta utile come livello di estrazione sotto di essa.
Esegui la diagnostica workflow gratuita, o leggi il case study, poi decidi. La diagnostica legge il tuo percorso documenti attuale e ti dice quale livello sta fallendo. Il case study D'Alessio Law Group mostra cosa succede quando il livello di estrazione viene costruito bene.
Ottieni il workbook compilabile
Tutto quanto sopra è tuo da leggere. Il workbook aggiunge i fogli di lavoro vuoti, così li compili sul tuo stack con i tuoi proprietari, campi ed errori. Si apre in qualsiasi browser, su qualsiasi dispositivo, e salva mentre scrivi.
Quando vuoi la mia lettura sul tuo stack, il questionario sul document processing richiede dieci minuti, e ti rispondo con la prima correzione che farei e quanto costa.