# Flux Extract

> 来源: https://yuanflux.com/products/flux-extract

从非结构化资料中自动提取结构化数据

## 核心能力
- 图片/PDF/Word/表格中的关键字段识别与抽取
- 多页文档、复杂版面、手写体的结构化处理
- 自定义 Schema 定义，支持嵌套字段与条件抽取
- 低置信度字段自动标记，人工复核流程内置
- 批量处理与异步回调，适配高吞吐场景

## 适用场景
- 发票、合同、报关单、体检报告等单据录入自动化
- 产品图片/说明书 → 结构化属性入库
- 历史档案数字化与知识图谱构建
- 客户寄来的非标格式资料标准化

## 对接系统
- MinIO / S3 / OSS 对象存储
- ERP / WMS / CRM 通过 API 写入
- 钉钉 / 企业微信 / 飞书消息推送复核任务
- n8n / Make / Zapier 工作流节点

## 量化指标
- **字段准确率**: ≥ 95%（在标准单据上测试，人工复核后可达 99%+）
- **单页处理时延**: < 3s（含 OCR + LLM 抽取 + 置信度评估）
- **人工复核比例**: < 10%（仅低置信度字段需人工介入）

## 常见问题
**Q: 支持哪些文件格式？**

A: PDF、PNG/JPG/WebP、DOCX、XLSX、CSV、HTML、纯文本。扫描件需先 OCR。

**Q: 能处理手写体吗？**

A: 支持常规印刷体与规范手写体。潦草手写体准确率下降，建议配合人工复核。

**Q: 数据安全怎么保证？**

A: 支持私有化部署，数据不出企业内网。云端模式走加密传输，处理后即时销毁原文件。

**Q: 怎么处理多页长文档？**

A: 自动分页处理，支持跨页表格合并、目录结构识别、页眉页脚去噪。

# Flux Extract · 产品详情

Flux Extract 专注于「非结构化 → 结构化」这一单一环节。它不做知识库、不做流程编排，只把各种格式的资料里的关键信息，按您定义的 Schema 准确抽出来。

## 为什么要做这个产品？

我们在落地项目中反复遇到同一个问题：**企业 80% 的数据躺在非结构化文件里**。销售对着 PDF 找货号，财务对着发票录系统，运营对着合同抽条款。这些工作重复、易错、难沉淀，却是业务流转的必经环节。

Flux Extract 的定位很清楚：**只做抽取，做到极致**。不试图替代您的 ERP、CRM、WMS，而是把脏数据洗干净，按约定格式送进去。

## 核心架构

```
输入文件 → 版面分析 → 字段定位 → 多模态抽取 → 置信度打分 → 人工复核(可选) → 结构化 JSON
```

- **版面分析**：检测表格、段落、印章、手写区域、复选框
- **多模态抽取**：视觉编码器 + 大语言模型联合推理，上下文感知
- **置信度机制**：Token 级概率 + 规则校验 + 交叉验证，三重保险
- **Schema 驱动**：业务侧用 JSON Schema 定义字段，无需写代码即可新增抽取目标

## 典型交付形态

| 交付物 | 说明 |
|--------|------|
| API 服务 | REST + Webhook，支持同步/异步调用 |
| 批量处理作业 | 上传文件夹 → 下载结构化结果，含复核标记 |
| 复核工作台 | 低置信度字段高亮、一键修正、修正即回写训练集 |
| 部署包 | Docker / K8s Helm Chart，支持私有化/混合云 |

## 什么情况下不适用

- **全新单据类型、零历史样本、零规则**：冷启动需至少 20-50 份标注样本
- **实时性要求 < 500ms**：含 OCR 的完整链路难以满足，需预处理或缓存
- **极强合规要求「零人工、零差错」**：当前技术做不到，必须保留人工复核兜底

---
*本页 HTML 版: https://yuanflux.com/products/flux-extract*