> For the complete documentation index, see [llms.txt](https://docs.docbits.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.docbits.com/chinese/gai-shu-yu-ji-chu/faq/document-processing/which-extraction-path-was-used.md).

# 使用了哪种提取路径？

“为什么这个表格看起来是这样的？”要回答这个问题，需要查明 DocBits 对此文档执行了什么操作：保存的规则、AI 表格、使用的 AI 层级，以及出错的位置。本页是支持人员和合作伙伴在更改任何配置前使用的检查清单。

## 1. 查看验证界面上的选项卡

打开文档，查看行项目表格上方的选项卡：

| 看到的内容                                         | 路径                                                                                                       |
| --------------------------------------------- | -------------------------------------------------------------------------------------------------------- |
| **Extracted table** 选项卡中的行                    | 基于规则的路径。该供应商已有经过训练的表格；这些行来自已保存的坐标规则，未使用 AI（标记为 *Use AI* 的列除外）。                                           |
| **AI Extracted table** 选项卡中的行，以及下方的 *Tags* 字段 | AI 路径。没有匹配的已保存规则；AI 表格提取生成了这些行，使用的是组织的 AI 层级，或在 *More settings* → *Supplier-Based AI Model* 中为该供应商设置的层级。 |
| AI 选项卡上的 *AI table not found* 提示              | AI 路径已运行，但没有为此文档返回内容。                                                                                    |
| 没有任何表格选项卡                                     | 组织已关闭两项表格设置，因此没有任何内容提取表格。                                                                                |
| *No line items yet*                           | 路径已运行，但未找到行（没有可读取的文本、页面上没有表格，或规则与此版式不匹配）。                                                                |

抬头字段会在值旁显示各自的来源标记：*Extracted using AI*、*Learned from validated AI extraction*、*Extracted using saved rules (FELLOW\_KV2)*、*Extracted from electronic document*、*Calculated from vendor master data*。这些标记描述的是抬头字段，而不是表格。

## 2. 检查供应商的配置

* **Settings → Document Processing → Classification and Extraction → AI Model**：选择器下方的表格会列出所有已保存模型或训练数据的供应商。列表中带有 *training data* 的供应商已有已保存的规则；*reset the training data* 会移除这些规则。
* **Settings → Document Processing → OCR Settings**：*Use E-Text if available* 和 *Use AI data for tables* 会改变提取过程所读取的文本。供应商可以在验证界面的 *More settings* 中覆盖 E-Text 设置。
* **Settings → Global Settings → Document Types → Table Columns**：此处设有隐藏、必填和 *Use AI* 标记。隐藏列永远不会填充；即使供应商已有规则，标记为 *Use AI* 的列也会由 AI 填充。

## 3. 不使用界面进行复现（API / MCP）

通过 API 或 MCP 访问权限，可以用编程方式查询相同的信息：

| 问题                | 工具                                                                                                       |
| ----------------- | -------------------------------------------------------------------------------------------------------- |
| 这个表格是由 AI 生成的吗？   | `get_extracted_tables(doc_id)`：每个表格都带有 `is_ai_table: true/false`。                                        |
| 规则会提取什么，AI 会提取什么？ | 调用 `get_table_extraction_report(doc_id, mode="nonai")`，再调用 `mode="ai"`；报告会显示每种路径的已配置结构、提取的行和页面预览。对比两份报告。 |
| 配置了哪些列，各自带有什么标记？  | `get_table_config(doc_type)`                                                                             |
| AI 层级是否有影响？       | `compare_table_extraction_models(doc_id)` 会对同一文档运行两个层级（需要文档中有供应商编号）。                                     |
| 重新提取此文档           | `extract_table_ai(doc_id)`（AI）或 `restart_document(doc_id)`（整个工作流）。                                       |
| 工作流记录了此文档的哪些日志？   | `get_document_logs(doc_id)`                                                                              |

DocBits MCP 工具的说明见 [DocBits MCP](/chinese/gao-ji-gong-neng-yu-gong-ju/docbits-mcp.md)。

## 4. 查看日志

**Settings → Log Settings**（Activity Logging）显示所有服务的事件。排查表格问题时：

* 在 *Search logs* 中按文档文件名或 ID 筛选。
* 使用 *Service* 筛选器：提取本身运行于提取服务和 Celery 工作进程中，而不是 `api` 服务。如果只看到 `api` 日志行，请扩大筛选范围。
* 正常运行会按顺序记录：收到文档 → OCR / E-Text → 分类 → 字段提取 → 表格提取（查询规则，然后在无规则匹配时使用 AI）→ 验证 → 状态更改。缺失或报告错误的步骤就是需要检查的步骤。

## 5. 判断问题出在配置、数据还是程序错误

| 症状                              | 最可能的原因                             | 下一步                                                          |
| ------------------------------- | ---------------------------------- | ------------------------------------------------------------ |
| 同一文档类型中，供应商 A 的表格正确，供应商 B 的表格错误 | 供应商级别的问题：B 没有规则，或旧规则已不再匹配 B 的版式    | 为 B 训练一次表格（或删除 B 的规则，让 AI 接管）。                               |
| 从某个日期起，所有供应商的表格都出错              | 组织设置已更改（AI 层级、结构化提取、视觉识别、表格列）      | 将设置与更改日期进行对比；重启一个文档以确认。                                      |
| 同一文档：规则路径为空，AI 路径正确             | 规则与此版式变体不匹配                        | 使用此文档重新训练，或删除这些规则。                                           |
| 同一文档：两种路径都为空                    | 没有可读取的文本（扫描件没有 OCR 文本，或 PDF 仅包含图像） | 查看验证界面上的 OCR 视图；如果 PDF 有文本层，则启用 E-Text；尝试其他 OCR 版本。          |
| 每一行都只有一个列出错，其余列正常               | 列映射或 *Use AI* 标记                   | 检查 Table Columns 设置；在表格训练中重新映射。                              |
| 在分页处或小计行之后缺少行                   | AI 或规则未能正确处理该版式                    | 使用多页文档训练表格；添加类似 *"table continues on page 2"* 的标签。           |
| 日志中缺少提取步骤，文档停留在 *running* 状态    | 基础设施问题（工作进程积压），而非配置问题              | 检查待处理任务（通过 MCP 调用 `get_pending_tasks_detail`），并向支持人员提供文档 ID。 |

## 需要发送给支持人员的信息

* 文档 ID 和组织
* 哪个选项卡中有这些行（Extracted table / AI Extracted table / 无），以及正在使用的 AI 层级
* 供应商是否有已保存的规则，以及这些规则上次保存的时间
* 如果有，请提供一个正常工作的文档示例和一个无法正常工作的文档示例

## 相关页面

* [Table Extraction Troubleshoot](/chinese/gai-shu-yu-ji-chu/faq/document-processing/table-extraction-troubleshoot.md)：提取质量、OCR、E-Text、表格消息
* [训练行字段／表格训练](/chinese/guan-li-yu-she-zhi/setup/document-training/training-line-fields-table-training.md)
* [AI Table](/chinese/zui-zhong-yong-hu-yu-he-zuo-huo-ban/end-user-section/ai-table.md)
* [Log Settings](/chinese/guan-li-yu-she-zhi/settings/log-settings.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.docbits.com/chinese/gai-shu-yu-ji-chu/faq/document-processing/which-extraction-path-was-used.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.