AI_EXTRACT¶

Syntax¶

Extract information from an input string:

AI_EXTRACT( <text>, <responseFormat> )

AI_EXTRACT( text => <text>,
            responseFormat => <responseFormat> )

Extract information from a file:

AI_EXTRACT( <file>, <responseFormat> )

AI_EXTRACT( file => <file>,
            responseFormat => <responseFormat>,
            [ config => <config_object> ]

Argumente¶

text

Eine Eingabezeichenfolge für die Extraktion.

file

Eine FILE für die Extraktion.

Unterstützte Dateiformate:

• PDF

• PNG

• PPTX, PPT

• EML

• DOC, DOCX

• JPEG, JPG

• HTM, HTML

• TEXT, TXT

• TIF, TIFF

• BMP, GIF, WEBP

• MD

Die Dateien müssen kleiner als 100 MB sein.

responseFormat

Zu extrahierende Informationen. Das Format hängt von der Art der Extraktion ab.

Entitätsextraktionsformate

Extrahieren Sie einzelne Werte, indem Sie eines der folgenden Formate angeben:

• Einfaches Objektschema, welches das Label und die zu extrahierenden Informationen zuordnet, z. B.:

  Expand

  {'name': 'What is the last name of the employee?', 'address': 'What is the address of the employee?'}
  

  Show lessSee more

  Scroll to top

• Ein Array von Zeichenfolgen, die die zu extrahierenden Informationen enthalten:

  Expand

  ['What is the last name of the employee?', 'What is the address of the employee?']
  

  Show lessSee more

  Scroll to top

• Ein Array von Arrays, die zwei Zeichenfolgen enthalten (Label und die zu extrahierenden Informationen):

  Expand

  [['name', 'What is the last name of the employee?'], ['address', 'What is the address of the employee?']]
  

  Show lessSee more

  Scroll to top

• Ein JSON-Schema mit 'type': 'string' für das Unterobjekt:

  Expand

  {
    'schema': {
      'type': 'object',
      'properties': {
        'title': {
          'description': 'What is the title of the document?',
          'type': 'string'
        }
      }
    }
  }
  

  Show lessSee more

  Scroll to top

Listenextraktionsformat

Extrahieren von Arrays von Werten mit einem JSON-Schema mit 'type': 'array' für das Unterobjekt:

Expand

{
  'schema': {
    'type': 'object',
    'properties': {
      'employees': {
        'description': 'What are the names of employees?',
        'type': 'array'
      }
    }
  }
}

Show lessSee more

Scroll to top

Tabellenextraktionsformat

Extrahieren von tabellarischen Daten mit einem JSON-Schema mit 'type': 'object' und column_ordering. Jede Spalte ist als verschachtelte Eigenschaft mit 'type': 'array' und description definiert, die mit dem Spaltennamen in der Datei übereinstimmt:

Expand

{
  'schema': {
    'type': 'object',
    'properties': {
      'income_table': {
        'description': 'Income for FY2026Q2',
        'type': 'object',
        'column_ordering': ['month', 'income'],
        'properties': {
          'month': {
            'description': 'Month',
            'type': 'array'
          },
          'income': {
            'description': 'Income',
            'type': 'array'
          }
        }
      }
    }
  }
}

Show lessSee more

Scroll to top

Bemerkung

• Sie können das JSON-Schemaformat nicht mit anderen Antwortformaten kombinieren. Wenn responseFormat den schema-Schlüssel enthält, müssen Sie alle Fragen innerhalb des JSON-Schemas definieren. Zusätzliche Schlüssel werden nicht unterstützt.

• Das -Modell akzeptiert nur bestimmte Formen des JSON-Schemas. Der Typ der obersten Ebene muss immer ein Objekt sein, das unabhängig voneinander extrahierte Unterobjekte enthält. Unterobjekte können eine Tabelle (Objekt von Listen von Zeichenfolgen, die Spalten darstellen), eine Liste von Zeichenfolgen oder eine Zeichenfolge sein.

  Zeichenfolge ist derzeit der einzige unterstützte Skalartyp.

• Verwenden Sie das description-Feld, um Kontext für das Modell bereitzustellen; zum Beispiel, um dem Modell zu helfen, die richtige Tabelle in einem Dokument zu lokalisieren. Sie können den Namen der Spaltenüberschrift eingeben oder die Spalte auf andere Weise beschreiben.

• Verwenden Sie das Feld column_ordering, um die Reihenfolge aller Spalten in der extrahierten Tabelle anzugeben. Im Feld column_ordering wird zwischen Groß- und Kleinschreibung unterschieden, und dieses muss mit den im Feld properties definierten Spaltennamen übereinstimmen. Die Reihenfolge sollte die Reihenfolge der Spalten im Dokument widerspiegeln.

config => config_object

Ein OBJECT-Wert, der die Konfigurationseinstellungen angibt. Sie können eine OBJECT-Konstante verwenden, um dieses Objekt anzugeben.

Sie können die folgenden Schlüssel-Wert-Paare in diesem Objekt angeben:

Schlüssel

Beschreibung

scale_factor

Ein numerischer Wert von 1,0 bis 4,0. Skaliert die Seiten einer Eingabedatei, bevor sie vom zugrunde liegenden Modell verarbeitet werden, was die OCR-Qualität und die Extraktionsergebnisse verbessern kann. Verwenden Sie scale_factor, wenn Sie in den folgenden Szenarien unerwartete oder unklare Antworten erhalten: Dokumente, deren Seiten größer als A4 sind Dokumente, die kleinen Text, detaillierte visuelle Elemente oder dichte Layouts enthalten Der extrahierte Text enthält Rechtschreibfehler oder OCR-Fehler auf Zeichenebene Wenn weggelassen, verwendet AI_EXTRACT den Standardwert ('scale_factor': 1.0').

See moreShow less

Expand

Rückgabewerte¶

Ein JSON-Objekt, das die extrahierten Informationen enthält. Die Struktur der Antwort hängt vom Typ der Extraktion ab.

{
  "error": null,
  "response": {
    "title": "Financial report"
  }
}

{
  "error": null,
  "response": {
    "employees": [
      "Smith",
      "Johnson",
      "Doe"
    ]
  }
}

{
  "error": null,
  "response": {
    "income_table": {
      "income": ["$120 678","$130 123","$150 998"],
      "month": ["February", "March", "April"]
    }
  }
}

{
  "error": null,
  "response": {
    "employees": [
      "Smith",
      "Johnson",
      "Doe"
    ],
    "income_table": {
      "income": ["$120 678","$130 123","$150 998"],
      "month": ["February", "March", "April"]
    },
    "title": "Financial report"
  }
}

Anforderungen an die Zugriffssteuerung¶

Benutzer müssen eine Rolle verwenden, der die Datenbankrolle SNOWFLAKE.CORTEX_USER zugewiesen wurde: Weitere Informationen zum Erteilen dieser Berechtigung finden Sie unter Cortex LLM-Berechtigungen.

Nutzungshinweise¶

• AI_EXTRACT ist sowohl für digital erstellte als auch für gescannte Dokumente optimiert.

• Sie können im selben Funktionsaufruf nicht beides gleichzeitig verwenden, text- und file-Parameter.

• Sie können entweder Fragen in natürlicher Sprache stellen oder die zu extrahierenden Informationen beschreiben ( z. B. Stadt, Straße, ZIP-Code), zum Beispiel:

  Expand

  ['address': 'City, street, ZIP', 'name': 'First and last name']
  

  Show lessSee more

  Scroll to top

• Die folgenden Sprachen werden unterstützt:

  • Arabisch

  • Bengalisch

  • Birmanisch

  • Cebuano

  • Chinesisch

  • Tschechisch

  • Holländisch

  • Englisch

  • Französisch

  • Deutsch

  • Hebräisch

  • Hindi

  • Indonesisch

  • Italienisch

  • Japanisch

  • Khmer

  • Koreanisch

  • Lao

  • Malaiisch

  • Persisch

  • Polnisch

  • Portugiesisch

  • Russisch

  • Spanisch

  • Tagalog

  • Thailändisch

  • Türkisch

  • Urdu

  • Vietnamesisch

• Die Dokumente dürfen nicht mehr als 125 Seiten umfassen.

• In einem einzigen AI_EXTRACT-Aufruf können Sie maximal 100 Fragen zur Extraktion von Entitäten und maximal 10 Fragen zur Extraktion von Tabellen stellen.

  Eine Frage zur Extraktion von Tabellen entspricht 10 Fragen zur Extraktion von Entitäten. Sie können in einem einzigen AI_EXTRACT-Aufruf zum Beispiel 4 Fragen zur Extraktion von Tabellen und 60 Fragen zur Extraktion von Entitäten auf einmal stellen.

• Die maximale Ausgabelänge für die Extraktion von Entitäten beträgt 512 Token pro Frage. Bei der Tabellenextraktion liefert das Modell Antworten, die maximal 4.096 Token umfassen.

• Clientseitig verschlüsselte Stagingbereiche werden nicht unterstützt.

• Konfidenzwerte werden nicht unterstützt.

Hinweise zu Kosten¶

• Die Cortex AI_EXTRACT-Funktion verursacht Kosten, die von der Anzahl der Seiten pro Dokument, den Token der Eingabeaufforderung und den verarbeiteten Ausgabe-Token abhängen.

  • Für seitenbasierte Dateiformate (PDF, DOCX, TIF, TIFF) wird jede Seite als 970 Token gezählt.

  • Für Bilddateiformate (JPEG, JPG, PNG) wird jede einzelne Bilddatei als Seite abgerechnet und als 970 Token gezählt.

• Die Verwendung des scale_factor-Parameters ändert, wie viele Token verbraucht werden und wie viele Seiten pro Aufruf verarbeitet werden können:

  • Die Anzahl der verbrauchten Eingabe-Token steigt proportional zu scale_factor.

  • Die maximale Anzahl von Seiten pro Dokument, die von AI_EXTRACT verarbeitet werden können, sinkt um den scale_factor.

  Beziehung von scale_factor zur Anzahl der Token und Seiten

  scale_factor-Wert	Anzahl der Token pro Seite	Max. Anzahl der Seiten pro Dokument
  2	970 * 2 = 1940 Token	125/2 = 62,5 (abgerundet auf 62)
  2.5	970 * 2,5 = 2425 Token	125/2
  4	970 * 4 = 3880 Token	125/4 = 31,25 (abgerundet auf 31)

  See moreShow less

  Expand

• Snowflake empfiehlt die Ausführung von Abfragen, die die Cortex-Funktion AI_EXTRACT aufrufen, in einem kleineren Warehouse (nicht größer als MEDIUM). Größere Warehouses erhöhen die Leistung nicht.

Regionale Verfügbarkeit¶

AI_EXTRACT ist für Konten in den folgenden Regionen verfügbar:

AI_EXTRACT bietet regionenübergreifende Unterstützung. Weitere Informationen zur Aktivierung der regionenübergreifenden Unterstützung von Cortex AI finden Sie unter Regionenübergreifende Inferenz.

Fehlerbedingungen¶

AI_EXTRACT kann die folgenden Fehlermeldungen erzeugen:

Beispiele¶

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'employees': {
          'description': 'What are the surnames of employees?',
          'type': 'array'
        }
      }
    }
  }
);

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'income_table': {
          'description': 'Income for FY2026Q2',
          'type': 'object',
          'column_ordering': ['month', 'income'],
          'properties': {
            'month': {
              'description': 'Month',
              'type': 'array'
            },
            'income': {
              'description': 'Income',
              'type': 'array'
            }
          }
        }
      }
    }
  }
);

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'income_table': {
          'description': 'Income for FY2026Q2',
          'type': 'object',
          'column_ordering': ['month', 'income'],
          'properties': {
            'month': {
              'description': 'Month',
              'type': 'array'
            },
            'income': {
              'description': 'Income',
              'type': 'array'
            }
          }
        },
        'title': {
          'description': 'What is the title of document?',
          'type': 'string'
        },
        'employees': {
          'description': 'What are the surnames of employees?',
          'type': 'array'
        }
      }
    }
  }
);

SELECT AI_EXTRACT(
  file => TO_FILE('@db.schema.files', 'report.pdf'),
  responseFormat => {
    'schema': {
      'type': 'object',
      'properties': {
        'employees': {
          'description': 'What are the surnames of employees?',
          'type': 'array'
        }
      }
    }
  },
  config => {'scale_factor': 2.0}
);

SELECT AI_EXTRACT(
  model => 'db.schema.my_tuned_model',
  file => TO_FILE('@db.schema.files','document.pdf')
);

SELECT AI_EXTRACT(
  model => 'db.schema.my_tuned_model',
  file => TO_FILE('@db.schema.files','document.pdf'),
  responseFormat => [['name', 'What is the first name of the employee?'], ['city', 'Where does the employee live?']]
);

SELECT AI_EXTRACT(
  model => 'db.schema.my_tuned_model',
  file => TO_FILE('@db.schema.files', 'invoice.pdf'),
  config => {'scale_factor': 2.0}
);

Rechtliche Hinweise¶

Siehe KI und ML in Snowflake für rechtliche Hinweise.