AI_EXTRACT¶

구문¶

입력 문자열에서 정보 추출:

AI_EXTRACT( <text>, <responseFormat> )

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

파일에서 정보 추출:

AI_EXTRACT( <file>, <responseFormat> )

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

인자¶

text

추출을 위한 입력 문자열입니다.

file

추출을 위한 FILE 입니다.

지원되는 파일 형식:

• PDF

• PNG

• PPTX, PPT

• EML

• DOC, DOCX

• JPEG, JPG

• HTM, HTML

• TEXT, TXT

• TIF, TIFF

• BMP, GIF, WEBP

• MD

파일은 크기는 100MB 미만이어야 합니다.

responseFormat

추출할 정보입니다. 형식은 추출 유형에 따라 다릅니다.

엔터티 추출 형식

다음 형식 중 하나를 제공하여 단일 값을 추출합니다.

• 추출할 레이블과 정보를 매핑하는 간단한 오브젝트 스키마:

  Expand

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

  Show lessSee more

  Scroll to top

• 추출할 정보가 포함된 문자열 배열:

  Expand

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

  Show lessSee more

  Scroll to top

• 두 개의 문자열(추출할 레이블과 정보)을 포함하는 배열의 배열:

  Expand

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

  Show lessSee more

  Scroll to top

• 하위 오브젝트에 ``’type’: ‘string’``이 있는 JSON 스키마:

  Expand

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

  Show lessSee more

  Scroll to top

목록 추출 형식

하위 오브젝트에 ``’type’: ‘array’``가 있는 JSON 스키마를 사용하여 값의 배열을 추출합니다.

Expand

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

Show lessSee more

Scroll to top

테이블 추출 형식

'type': 'object' 및 column_ordering``이 있는 JSON 스키마를 사용하여 테이블 형식 데이터를 추출합니다. 각 열은 파일의 열 이름과 일치하는 ``'type': 'array' 및 ``description``이 있는 중첩 속성으로 정의됩니다.

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

참고

• JSON 스키마 형식을 다른 응답 형식과 결합할 수 없습니다. responseFormat``에 ``schema 키가 포함된 경우 JSON 스키마 내에서 모든 질문을 정의해야 합니다. 추가 키는 지원되지 않습니다.

• 이 모델은 특정 모양의 JSON 스키마만 허용합니다. 최상위 유형은 항상 독립적으로 추출된 하위 오브젝트를 포함하는 오브젝트여야 합니다. 하위 오브젝트는 테이블(열을 나타내는 문자열 목록의 오브젝트), 문자열 목록 또는 문자열일 수 있습니다.

  문자열은 현재 유일하게 지원되는 스칼라 유형입니다.

• description 필드를 사용하여 모델에 컨텍스트를 제공합니다. 예를 들어, 모델이 문서에서 올바른 테이블을 현지화하는 데 도움을 줍니다. 열 헤더 이름을 입력하거나 다른 방식으로 열을 설명할 수 있습니다.

• column_ordering 필드를 사용하여 추출된 테이블의 모든 열 순서를 지정합니다. column_ordering 필드는 대/소문자를 구분하며 properties 필드에 정의된 열 이름과 일치해야 합니다. 순서는 문서의 열 순서를 반영해야 합니다.

config => config_object

구성 설정을 지정하는 OBJECT 값입니다. OBJECT 상수 를 사용하여 이 오브젝트를 지정할 수 있습니다.

이 오브젝트에서 다음 키-값 페어를 지정할 수 있습니다.

키	설명
scale_factor	1.0에서 4.0 사이의 숫자 값입니다. 기본 모델에서 처리하기 전에 입력 파일의 페이지 크기를 조정하여 OCR 품질을 높이고 추출 결과를 개선합니다. 다음 시나리오에서 예기치 않거나 명확하지 않은 응답을 수신한 경우 ``scale_factor``를 사용합니다. 페이지 크기가 A4보다 큰 문서 작은 텍스트, 자세한 시각적 요소 또는 밀집된 레이아웃이 포함된 문서 오타 또는 문자 수준 OCR 오류가 포함된 추출된 텍스트 생략하는 경우 AI_EXTRACT는 기본값('scale_factor': 1.0')을 사용합니다.

See moreShow less

Expand

반환¶

추출된 정보를 포함하는 JSON 오브젝트입니다. 응답의 구조는 추출 유형에 따라 다릅니다.

{
  "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"
  }
}

액세스 제어 요구 사항¶

사용자는 SNOWFLAKE.CORTEX_USER 데이터베이스 역할<label-snowflake_db_roles_cortex_user>`이 부여된 역할을 사용해야 합니다. 이 권한 부여에 대한 내용은 :ref:`label-cortex_llm__privileges 섹션을 참조하세요.

사용법 노트¶

• AI_EXTRACT는 디지털 기반 문서와 스캔 문서 모두에 최적화되어 있습니다.

• 동일한 함수 호출에서 text 및 file 매개 변수를 동시에 사용할 수는 없습니다.

• 자연어로 질문하거나 추출할 정보(예: 도시, 거리, ZIP 코드)를 설명할 수 있습니다. 예를 들면 다음과 같습니다.

  Expand

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

  Show lessSee more

  Scroll to top

• 다음 언어가 지원됩니다.

  • 아랍어

  • 벵골어

  • 버마어

  • 세부아노어

  • 중국어

  • 체코어

  • 네덜란드어

  • 영어

  • 프랑스어

  • 독일어

  • 히브리어

  • 힌디어

  • 인도네시아어

  • 이탈리아어

  • 일본어

  • 크메르어

  • 한국어

  • 라오어

  • 말레이어

  • 페르시아어

  • 폴란드어

  • 포르투갈어

  • 러시아어

  • 스페인어

  • 타갈로그어

  • 태국어

  • 터키어

  • 우르두어

  • 베트남어

• 문서의 길이는 125페이지를 넘지 않아야 합니다.

• 단일 AI_EXTRACT 호출에서 엔터티 추출의 경우 최대 100개의 질문을 할 수 있으며 테이블 추출의 경우 최대 10개의 질문을 할 수 있습니다.

  테이블 추출 질문 1개는 엔터티 추출 질문 10개와 같습니다. 예를 들어, 단일 AI_EXTRACT 호출에서 4개의 테이블 추출 질문과 60개의 엔터티 추출 질문을 할 수 있습니다.

• 엔터티 추출의 최대 출력 길이는 질문당 토큰 512개입니다. 테이블 추출의 경우 모델은 최대 4096개의 토큰에 해당하는 답변을 반환합니다.

• 클라이언트 측 암호화 스테이지는 지원되지 않습니다.

• 신뢰도 점수는 지원되지 않습니다.

비용 고려 사항¶

• Cortex AI_EXTRACT 함수는 문서당 페이지 수, 입력 프롬프트 토큰, 처리된 출력 토큰에 따라 컴퓨팅 비용이 발생합니다.

  • 페이징된 파일 형식의 경우(PDF, DOCX, TIF, TIFF), 각 페이지는 970개의 토큰으로 계산됩니다.

  • 이미지 파일 형식(JPEG, JPG, PNG)의 경우, 각 개별 이미지 파일은 페이지로 청구되며 970개의 토큰으로 계산됩니다.

• scale_factor 매개 변수를 사용하여 사용되는 토큰 수와 호출당 처리할 수 있는 페이지 수를 변경합니다.

  • 사용되는 입력 토큰의 수는 ``scale_factor``에 비례하여 증가합니다.

  • AI_EXTRACT에서 처리할 수 있는 문서당 최대 페이지 수는 ``scale_factor``만큼 감소합니다.

  scale_factor와 토큰 및 페이지 수의 관계

  scale_factor 값	페이지당 토큰 수	문서당 최대 페이지 수
  2	970 * 2 = 1,940개 토큰	125/2 = 62.5(62로 내림)
  2.5	970 * 2.5 = 2,425개 토큰	125/2.5 = 50
  4	970 * 4 = 3,880개 토큰	125/4 = 31.25(31로 내림)

  See moreShow less

  Expand

• Snowflake는 더 작은 웨어하우스(MEDIUM보다 크지 않음)에서 Cortex AI_EXTRACT 함수를 호출하는 쿼리를 실행할 것을 권장합니다. 웨어하우스가 크다고 성능이 향상되는 것은 아닙니다.

리전 가용성¶

AI_EXTRACT는 다음 리전의 계정에서 사용할 수 있습니다.

AI_EXTRACT는 리전 간 지원을 제공합니다. Cortex AI 리전 간 지원 활성화에 대한 정보는 리전 간 추론 섹션을 참조하세요.

오류 조건¶

AI_EXTRACT는 다음과 같은 오류 메시지를 생성할 수 있습니다.

예¶

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}
);

법적 고지¶

법적 고지 사항은 Snowflake AI 및 ML 섹션을 참조하십시오.