Sintesi
Come elaborare un lotto di file PDF con OCR e agenti IA e monitorare l’avanzamento di ciascun documento?
La dimostrazione presenta un’utilità desktop con un lotto di 1000 file ZIP contenenti documenti PDF. Si seleziona la cartella di input, si ottiene il token dell’applicazione e si avvia un flusso che esegue l’OCR prima di inviare ciascun documento alla coda degli agenti. Al termine dell’elaborazione viene generato un output JSON.
La configurazione mostrata supporta due attività OCR simultanee e fino a otto attività degli agenti in parallelo. Il pannello presenta stati, pagine, tempi delle singole fasi e avanzamento stimato. Permette inoltre di salvare i log delle attività delle API, esportare la tabella in CSV e rielaborare un documento.
Il video spiega i tentativi configurabili e il rapporto tra concorrenza e infrastruttura in Kubernetes. I limiti mostrati si riferiscono a questa configurazione di esempio.
Inizio
Viene presentata un’utilità desktop che combina OCR e agenti IA per elaborare documenti. Il percorso mostra il monitoraggio del lotto e i risultati per ciascun file.
Lotto di documenti ZIP con file PDF
La prova inizia con 1000 documenti ZIP contenenti file PDF. Si apre l’applicazione desktop da cui avviare e monitorare l’elaborazione.
Pannello degli stati e delle metriche per documento
Si esaminano i contatori dei documenti in attesa, in OCR, nella coda degli agenti, completati e con errore. La tabella include file di input e output, date, pagine e tempi di OCR, agenti ed elaborazione totale.
Cartella di input, token e avvio del processo
La cartella di input viene indicata incollandone il percorso o selezionandola tramite il gestore dei file. All’avvio, l’applicazione ottiene un token e prepara le prime attività OCR.
OCR in parallelo e invio agli agenti
L’OCR inizia sui primi due documenti mentre gli altri restano in attesa. Ogni attività OCR completata viene inviata agli agenti; il pannello mostra il numero di pagine e il tempo impiegato per il riconoscimento.
Coda degli agenti e ciclo di elaborazione
Al termine dell’OCR, i documenti entrano nella coda degli agenti per essere elaborati. Le fasi avanzano in modo concorrente per utilizzare gli esecutori disponibili.
Output JSON e tempi per documento
Al completamento di un documento viene generato un file JSON nel formato di dati previsto. Si registrano l’ora di completamento, il tempo totale e lo stato di successo; un esempio mostra quattro pagine elaborate in 57 secondi.
Concorrenza: due attività OCR e otto attività degli agenti
La configurazione di esempio permette due attività OCR simultanee e fino a otto attività degli agenti. Quando viene raggiunto questo limite, le nuove attività attendono che si liberino gli esecutori. Il video discute la possibilità di aumentare la capacità con più infrastruttura e pods in Kubernetes.
Esportazione di log e risultati in CSV
L’applicazione permette di salvare il log delle attività degli agenti a livello delle API. La tabella di monitoraggio può anche essere esportata in CSV per analizzare i risultati e i tempi di elaborazione.
Avanzamento, tempo stimato e pagine elaborate
Si esaminano il tempo rimanente stimato, la percentuale di avanzamento e le pagine elaborate da OCR e agenti. Quando gli otto esecutori degli agenti sono occupati, la loro coda cresce mentre l’OCR prosegue con i documenti in attesa.
Errori e tentativi configurabili
Il video spiega che un documento con errore può essere rielaborato automaticamente fino a un numero massimo configurabile di tentativi. Tre o cinque tentativi vengono citati come esempi di configurazione, senza indicare un valore fisso.
Rielaborazione manuale di un documento
Il menu contestuale di una riga permette di richiedere la rielaborazione di un documento. Il documento torna in attesa e rientra nel flusso, mentre il pannello continua ad aggiornare i risultati del lotto.
Conclusione
Il percorso dell’utilità si conclude con l’annuncio della futura pubblicazione del codice.