AI_EXTRACT¶

Syntaxe¶

Extraire des informations d’une chaîne d’entrée :

AI_EXTRACT( <text>, <responseFormat> )

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

Extraire des informations d’un fichier :

AI_EXTRACT( <file>, <responseFormat> )

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

Arguments¶

text

Une chaîne d’entrée pour l’extraction.

file

Un FILE pour l’extraction.

Formats de fichiers pris en charge :

• PDF

• PNG

• PPTX, PPT

• EML

• DOC, DOCX

• JPEG, JPG

• HTM, HTML

• TEXT, TXT

• TIF, TIFF

• BMP, GIF, WEBP

• MD

La taille des fichiers ne doit pas dépasser 100 MB.

responseFormat

Informations à extraire. Le format dépend du type d’extraction.

Formats d’extraction d’entités

Extrayez des valeurs uniques en fournissant l’un des formats suivants :

• Schéma d’objet simple qui mappe l’étiquette et les informations à extraire :

  Expand

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

  Show lessSee more

  Scroll to top

• Tableau de chaînes contenant les informations à extraire :

  Expand

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

  Show lessSee more

  Scroll to top

• Un tableau de tableaux contenant deux chaînes (l’étiquette et les informations à extraire) :

  Expand

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

  Show lessSee more

  Scroll to top

• Un schéma JSON avec 'type': 'string' sur le sous-objet :

  Expand

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

  Show lessSee more

  Scroll to top

Format d’extraction de liste

Extraire des tableaux de valeurs à l’aide d’un schéma JSON avec``”type”: “array”`` sur le sous-objet :

Expand

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

Show lessSee more

Scroll to top

Format d’extraction de table

Extraire des données tabulaires à l’aide d’un schéma JSON avec 'type': 'object' et``column_ordering``. Chaque colonne est définie comme une propriété imbriquée avec``”type”: “array”`` et une description qui correspond au nom de colonne dans le fichier :

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

Note

• Vous ne pouvez pas combiner le format de schéma JSON avec d’autres formats de réponse. Si responseFormat contient la clé schema, vous devez définir toutes les questions à l’intérieur du schéma JSON. Les clés supplémentaires ne sont pas prises en charge.

• Le modèle n’accepte que certaines formes de schéma JSON. Le type de niveau supérieur doit toujours être un objet, qui contient des sous-objets extraits indépendamment. Les sous-objets peuvent être une table (objet de listes de chaînes représentant des colonnes), une liste de chaînes ou une chaîne.

  Chaîne est actuellement le seul type scalaire pris en charge.

• Utilisez le champ description pour fournir un contexte au modèle ; par exemple, pour aider le modèle à localiser la table droite dans un document. Vous pouvez saisir le nom de l’en-tête de colonne ou décrire la colonne d’une autre manière.

• Utilisez le champ column_ordering pour spécifier l’ordre de toutes les colonnes de la table extraite. Le champ column_ordering est sensible à la casse et doit correspondre aux noms de colonnes définis dans le champ properties. L’ordre doit refléter l’ordre des colonnes du document.

config => config_object

Une valeur OBJECT qui spécifie les paramètres de configuration. Vous pouvez utiliser une constante OBJECT pour spécifier cet objet.

Vous pouvez spécifier les paires clé-valeur suivantes dans cet objet :

Clé

Description

scale_factor

Une valeur numérique de 1.0 à 4.0. Met à l’échelle les pages d’un fichier d’entrée avant qu’elles ne soient traitées par le modèle sous-jacent, qui peut améliorer la qualité OCR et les résultats d’extraction. Utilisez scale_factor si vous recevez des réponses inattendues ou peu claires dans les scénarios suivants : Documents dont la taille des pages est supérieure à A4 Documents contenant de petits textes, des éléments visuels détaillés ou des mises en page denses Le texte extrait contient des fautes de frappe ou des erreurs OCR au niveau des caractères Si omis,AI_EXTRACT utilise la valeur par défaut ('scale_factor': 1.0').

See moreShow less

Expand

Renvoie¶

Un objet JSON contenant les informations extraites. La structure de la réponse dépend du type d’extraction.

{
  "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"
  }
}

Exigences en matière de contrôle d’accès¶

Les utilisateurs doivent utiliser un rôle auquel le rôle de base de données SNOWFLAKE.CORTEX_USER a été accordé. Pour plus d’informations sur l’octroi de ce privilège, voir Privilèges LLM Cortex.

Notes sur l’utilisation¶

• AI_EXTRACT est optimisé pour les documents numériques et numérisés.

• Vous ne pouvez pas utiliser les deux paramètres text et file simultanément dans le même appel de fonction.

• Vous pouvez soit poser des questions en langage naturel, soit décrire les informations à extraire (comme la ville, la route, le code ZIP) ; par exemple :

  Expand

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

  Show lessSee more

  Scroll to top

• Les langues suivantes sont prises en charge :

  • Arabe

  • Bengali

  • Birman

  • Cebuano

  • Chinois

  • Tchèque

  • Néerlandais

  • Anglais

  • Français

  • Allemand

  • Hébreu

  • Hindi

  • Indonésien

  • Italien

  • Japonais

  • Khmer

  • Coréen

  • Lao

  • Malais

  • Persan

  • Polonais

  • Portugais

  • Russe

  • Espagnol

  • Tagalog

  • Thaïlandais

  • Turc

  • Ourdou

  • Vietnamien

• Les documents ne doivent pas dépasser 125 pages.

• Dans un seul appel AI_EXTRACT, vous pouvez poser un maximum de 100 questions pour l’extraction d’entités, et un maximum de 10 questions pour l’extraction de tables.

  Une question d’extraction de table est égale à 10 questions d’extraction d’entité. Par exemple, vous pouvez poser 4 questions sur l’extraction de tables et 60 questions sur l’extraction d’entités dans un seul appel AI_EXTRACT.

• La longueur de sortie maximale pour l’extraction d’entités est de 512 jetons par question. Pour l’extraction de table, le modèle renvoie des réponses comportant un maximum de 4 096 jetons.

• Les zones de préparation chiffrées côté client ne sont pas prises en charge.

• Les scores de confiance ne sont pas pris en charge.

Considérations relatives aux clients¶

• La fonction Cortex AI_EXTRACT entraîne des coûts de calcul basés sur le nombre de pages par document, de jetons d’invite d’entrée et de jetons de sortie traités.

  • Pour les formats de fichiers paginés (PDF, DOCX, TIF, TIFF), chaque page est comptée comme 970 jetons.

  • Pour les formats de fichier image (JPEG, JPG, PNG), chaque fichier image individuel est facturé comme une page et compté comme 970 jetons.

• L’utilisation du paramètre scale_factor modifie le nombre de jetons consommés et le nombre de pages pouvant être traitées par appel :

  • Le nombre de jetons d’entrée consommés augmente proportionnellement avec``scale_factor``.

  • Le nombre maximum de pages par document pouvant être traitées par AI_EXTRACT diminue de``scale_factor``.

  Relation entre le facteur d’échelle (scale_factor) et le nombre de jetons et de pages

  Valeur scale_factor	Nombre de jetons par page	Nombre de pages par document
  2	970 * 2 = 1 940 jetons	1 25/2 = 62,5 (arrondi à 62)
  2.5	970 * 2,5 = 2 425 jetons	125/2,5 +50
  4	970 * 4 = 3 880 jetons	125/4 = 31,25 (arrondi à 31)

  See moreShow less

  Expand

• Snowflake recommande d’exécuter les requêtes qui font appel à la fonction Cortex AI_EXTRACT dans un entrepôt plus petit (pas plus grand que MEDIUM). Des entrepôts plus grands n’augmentent pas les performances.

Disponibilité régionale¶

AI_EXTRACT est disponible pour les comptes dans les régions suivantes :

AI_EXTRACT dispose d’une prise en charge interrégionale. pour plus d’informations sur l’activation de la prose en charge interrégionale de cortex AI, consultez Inférence interrégionale.

Conditions d’erreur¶

AI_EXTRACT peut produire les messages d’erreur suivants :

Exemples¶

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}
);

Avis juridiques¶

Reportez-vous à Snowflake AI et ML pour les mentions légales.