> 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/guan-li-yu-she-zhi/settings/document-processing/classification-and-extraction.md).
# 分类与提取
分类与提取页面
## 概述
在**分类与提取**设置中，您可以：
* 启用基于 QR 码的**文档拆分**
* 配置**金额格式**
* 设置**表格提取**
* 切换是否处理不受支持的 **ZUGFeRD** 文件
* 定义特殊分类规则
* 监控分类过程中使用的自定义训练 **AI 模型**
本页详细介绍所有可用设置。
## **访问分类与提取设置**
要访问**分类与提取**设置，请前往：\
**设置 → 文档处理 → 分类与提取**
## 文档拆分
在**文档拆分**部分，您可以配置：上传的文档页面上出现**条形码**时，是否将该文档拆分为多个文档。
要启用此功能：
1. 前往**文档拆分**部分。
2. 打开下拉菜单。
3. 选择**按条形码/QR 码拆分**。
随后，您可以：
* 选择要检测的一种或多种条形码类型。
* 指定条形码必须匹配的正则表达式模式，以触发文档拆分。
## 金额格式
在**金额格式**部分，您有两个选项：
* **金额比较时允许舍入：**\
启用后，金额比较时允许 ±0.5 的误差范围。\
禁用后，默认误差范围为 ±0.05。
* **金额比较时要求完全匹配：**\
启用后，金额必须完全匹配，误差范围为零。\
禁用后，允许 ±0.05 的误差范围。
**注意**：这两项设置一次只能启用一项。
## 表格提取
{% hint style="info" %}
**表格提取的运行前提**
* 文档类型已配置**表格列**（设置 → 全局设置 → 文档类型 → [表格列](/chinese/guan-li-yu-she-zhi/settings/global-settings/document-types/table-columns.md)）。没有列就没有可供提取填入的字段。
* 已在下方为整个组织启用**表格提取**或 **AI 表格提取**。
* 文档包含可读取的文本：已运行 OCR，或者数字原生 PDF 使用了 E-Text（[OCR 设置](/chinese/guan-li-yu-she-zhi/settings/document-processing/ocr-settings.md)）。
* 训练数据和 AI 模型均按**供应商**区分。训练好的表格仅适用于该供应商的文档。
{% endhint %}
启用**表格提取**或 **AI 表格提取**即可从文档中提取表格。无论基于 AI 还是手动训练，训练好的表格始终关联到特定供应商。
\*\*表格提取：\*\*启用基于规则的表格提取。表格按供应商在验证页面（*转到表格提取视图*）中训练。\
[点击此处](/chinese/guan-li-yu-she-zhi/setup/document-training/training-line-fields-table-training/defining-tables-and-columns.md)了解如何训练。
\*\*AI 表格提取：\*\*使用 AI 提取任意供应商的表格，无需训练。如果某个供应商的提取结果不够准确，可以训练该供应商的表格；保存的规则随后会优先于该供应商的 AI 提取结果。
\*\*使用表格提取视觉功能（AI）：\*\*AI 读取页面图像，而不是文本层。这有助于处理扫描文档以及文本结构不清晰的表格，但速度较慢。开关旁的下拉菜单用于选择使用页面图像的强度：
* **关闭（仅文本）** – 仅使用文本层。这是默认模式。
* **仅图像** – 仅读取页面图像。
* **混合（文本和图像）** – 在同一请求中结合文本层和页面图像。
* **自动（按文档决定）** – DocBits 会针对每份文档判断文本层是否足够。
此模式存储在偏好设置键 `TABLE_EXTRACTION_VISION_MODE` 下；旧版开关 `TABLE_EXTRACTION_USE_VISION` 仍然保留，实际含义等同于*仅图像*。
\*\*使用结构化提取（AI）：\*\*AI 按固定结构返回表格，直接映射到已配置的表格列。当文档中的列标题差异较大时，推荐使用此选项。点击此设置会打开预览，准确显示 AI 将接收哪些字段和列：预览会列出表头字段和行项目列及其来源（请求的字段或已禁用的标准字段），并显示预期输出模式（例如 *strict* – 不添加其他列）。为文档类型配置但已关闭的字段不会请求 AI 提取。
\*\*表格提取（成本要素）：\*\*启用后，DocBits 可以在行项目级别从表格中提取成本要素，并据此进行分类。\
[此处](/chinese/guan-li-yu-she-zhi/settings/document-processing/classification-and-extraction/table-extraction-for-costing-element.md)提供详细说明。
**自动提取税码：启用后，如果已配置税码字段，系统会在验证页面自动填充税码**字段。\
有关此设置的更多信息，请[点击此处](/chinese/guan-li-yu-she-zhi/settings/document-processing/classification-and-extraction/auto-extract-tax-code.md)。
\*\*保存提取规则（仅管理员）：\*\*只有管理员可以在表格训练中点击*保存规则*。如果用户反复保存导致某个供应商提取出错的规则，请启用此项。
\*\*AI 模型：\*\*选择用于表格提取的 AI 等级。共有六个选项：**Full**（准确度最高、速度最慢，每份文档消耗 2 个 token）、**Fast**（默认；每份文档消耗 1 个 token）、**Nexus** 和 **Nexus Flash**（可选用的另一模型系列），以及 **Auto** 和 **Auto Nexus**；对于这两项，DocBits 会按文档判断所需的模型能力。选择器下方的表格会显示：
* 哪些**供应商**使用哪种 AI 模型
* 他们是否使用结构化提取（AI）和 E-Text
* 删除某条记录并将该供应商重置为默认设置的选项
[此处](/chinese/guan-li-yu-she-zhi/settings/document-processing/classification-and-extraction/ai-model.md)详细介绍此设置。
### 为什么不同供应商的表格看起来不一样？
DocBits 学到的所有表格信息都按**供应商**存储：
* **已保存的规则**（表格训练）：表格在该供应商版面中的位置，以及该供应商版面对应的列映射。
* **AI 表格标签和格式规则**：用户为该供应商的 AI 表格保存的提示。
* **供应商专属 AI 模型**：在验证页面的*更多设置*中为该供应商选择的模型等级。
因此，供应商 A 有已保存的规则时，会在验证页面的*提取的表格*选项卡中显示确定性表格；而没有规则的供应商 B 则会显示 *AI 提取的表格*。要让供应商 B 的行为与 A 一致，请训练一次 B 的表格。要重置某个供应商，请在验证页面删除其规则，或在 AI 模型表格中重置其训练数据。
### 偏好设置键
本部分中的每个开关都存储为组织偏好设置。通过 API (`/preferences/set_preference`)、脚本或 DocBits MCP（`get_preference` / `set_preference`）设置值时，请使用对应的键。
| 设置（UI 标签） | 偏好设置键 | 值 |
| ------------------------------ | ------------------------------ | ---------------------------------------------------------------------------------------------------------------------------- |
| 表格提取 | `TABLE_EXTRACTION_SETTING` | `true` / `false` |
| AI 表格提取 | `USE_AI_TABLE_EXTRACTION` | `true` / `false` |
| 使用表格提取视觉功能（AI） | `TABLE_EXTRACTION_VISION_MODE` | `off`（默认）、`vision`、`hybrid`、`auto` |
| 使用表格提取视觉功能（AI）– 旧版开关 | `TABLE_EXTRACTION_USE_VISION` | `true` / `false`；实际含义等同于 `vision` |
| 使用结构化提取（AI） | `USE_STRUCTURED_EXTRACTION` | `true` / `false` |
| 成本要素表格提取 | `CHARGES_TABLE_EXTRACTION` | `true` / `false` |
| 自动提取税码 | `AUTO_EXTRACT_TAX_CODE` | `true` / `false` |
| 保存提取规则（仅管理员） | `ONLY_ADMIN_CAN_SAVE_RULES` | `true` / `false` |
| AI 模型 | `AI_MODEL` | `gpt-6-sol`（Full）、`gpt-6-luna`（Fast）、`qwen3.8-max`（Nexus）、`glm-5.3-flash`（Nexus Flash）、`auto`（Auto）、`auto-nexus`（Auto Nexus） |
| 表格提取版本（确认对话框） | `TBL_EXT_VERSION` | 版本字符串 |
| OCR 设置 → 有可用 AI 数据时对表格使用 AI 数据 | `USE_AI_DATA_FOR_TABLE` | `true` / `false` |
| OCR 设置 → 有可用 E-Text 时使用 E-Text | `USE_ETEXT_IF_AVAILABLE` | `true` / `false` |
说明：
* 布尔型偏好设置存储为字符串 `true` / `false`；从未设置过的键按 `false` 处理。如果发送 `1` 或 `0`，DocBits 会将其存储为 `true` / `false`。
* 未设置 `AI_MODEL` 时，默认使用 **Fast**。
* 未设置 `TABLE_EXTRACTION_VISION_MODE` 时，会根据旧版 `TABLE_EXTRACTION_USE_VISION` 开关确定：`true` 对应 `vision`，其他值对应 `off`。
* 更改某个键后，设置会应用于之后处理的文档。要使用新设置重新提取文档，请重新启动该文档。
* 按供应商设置的选项（E-Text、AI 模型、已保存的规则）不是组织偏好设置；请在该供应商文档验证页面的*更多设置*中进行设置。
## 电子文档
\*\*处理不受支持的 ZUGFeRD PDF：\*\*启用后，不受支持的 **ZUGFeRD** 版本将作为标准 PDF 处理，并忽略其中嵌入的 XML。
[此处](/chinese/guan-li-yu-she-zhi/settings/global-settings/document-types/edi/zugferd.md)列出了受支持的 **ZUGFeRD** 版本。
## **分类规则**
在**分类规则**部分，您可以定义特定的**正则表达式**模式和条件，以帮助系统在处理过程中自动分类文档。
要访问此部分，请点击页面顶部的**分类规则**选项卡。
### **添加新的分类规则**
要创建新规则：
1. 点击右上角的**添加**。
2. 填写以下字段：
* **模式**：系统用于触发分类的正则表达式模式。
* **类型**：指定要在哪个位置搜索该模式（例如 **Barcode**）。
* **子组织** *(可选)*: 指定此规则适用的子组织。
* **文档类型**：定义匹配该模式时要分配的文档类型。
* **子文档类型** *(可选)*: 指定更具体的分类子类型。
3. 点击**保存**以保存分类规则。
### **编辑分类规则**
要编辑现有规则：
1. 点击**操作**列中的三个点。
2. 选择**编辑**。
3. 按需进行修改。
4. 点击**保存**以应用更改。
### **删除分类规则**
要删除规则：
1. 点击**操作**列中的三个点。
2. 选择**删除**。
## AI 模型
**AI 模型**部分会显示所有专为满足您的需求而定制训练的模型。
### 访问 AI 模型部分
要打开此部分，请点击页面顶部的 **AI 模型**选项卡。
### 模型类别
模型按类别组织。每个类别名称下方会显示该类别包含的模型数量。\
点击类别可查看详情。
在所选类别页面顶部，您可以查看每个模型的重要信息：
* **类型**：模型的类型。
* **仅第一页**：表示模型是否只处理文档的第一页。
* **版本**：模型的版本号。
### 模型表格
类别中的所有模型都会列在表格中，其中包括以下信息：
* **名称**：模型的名称。
* **下一个模型**：将进一步处理当前模型输出的模型。
* **文档类型**：模型在分类过程中分配的主要文档类型。
* **文档子类型**：文档进一步细分的子类型。
* **优先级**：决定模型在分类队列中位置的优先级。
### 编辑模型
要编辑模型：
1. 点击要编辑的模型对应的**操作**列中的笔形图标。
2. 更新可用字段：
* **下一个模型**：选择应处理当前模型输出的模型。
* **文档类型**：选择模型应将输入分类为何种文档类型。
3. 点击**保存**以应用更改。
---
# 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/guan-li-yu-she-zhi/settings/document-processing/classification-and-extraction.md?ask=&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.
