基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-17 03:13

用Bedrock结构化输出提取票据数据

dev.to · AI#结构化输出#Python#多模态
Editor brief · 编辑速览

教程使用 Python 调用 Amazon Bedrock Converse API,让 Claude 从收据图片提取数据,并通过 outputConfig 指定 JSON Schema。重点是用接口层面的格式约束减少 Markdown 包装、字段缺失和类型不符等解析问题。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

把小票图片交给模型识别不难,难的是让后端每次都收到能直接处理的数据。作者用 Amazon Bedrock Converse API 和 Python 演示了一条路径:把 JSON Schema 放进 outputConfig,让输出格式由接口约束,而不是靠提示词反复叮嘱。

这篇值得看的地方,是它把「能解析」「字段齐全」「金额正确」拆开了。示例只有一张小票,但已经暴露出接入业务时很容易忽略的问题:JSON 合法,不代表模型理解了你的字段含义。

为什么「只返回 JSON」还不够

作者最初也在提示词里要求模型只返回 JSON。多数调用能成功,偶尔却会带上 Markdown 代码围栏、解释文字,或者漏掉不确定的字段。

这里需要纠正原文的一处混淆:代码围栏和额外文字可能让 json.loads() 抛出 JSONDecodeError,但缺少字段、把数字写成字符串,仍可能是合法 JSON。它们更可能在后续取值、计算或校验时出问题。

因此,后端需要的其实有两层保证:首先能解析,其次符合约定的数据结构。

结构化输出(Structured Output)的做法,是把字段、类型和必填要求写入 JSON Schema,再通过请求参数提交。提示词负责告诉模型做什么,Schema 负责规定结果长什么样。

作者为小票定义了四个顶层字段:商店名 store、日期 date、商品数组 items 和总额 total。每件商品包含名称 name、整数数量 quantity 和数值价格 price。

其中两项约束最关键:

  • required 规定字段必须出现,顶层对象和商品对象都要分别声明。
  • additionalProperties: False 禁止对象出现 Schema 之外的字段,同样需要在对应对象层级设置。

接口约束能解决输出结构问题,不能替你保证图片里的信息被读对。

图片和 Schema 怎样一起交给 Converse API

作者的运行前提是:有 AWS 账号,aws login 可用,在 us-east-1 区域调用,并且账号已启用 Claude。首次使用 Anthropic 模型时,Bedrock 可能要求填写简短的用途表单。

Converse API 的消息内容是一个区块列表。作者把图片区块放在前面,文本指令放在后面,两者属于同一条用户消息。图片以二进制读取,在这段 boto3 调用中,不需要手动做 Base64 编码,也不需要先上传 S3。

下面这段完整代码解决了图片提交、结构约束和结果解析三个环节:

import sys, json
sys.path.insert(0, __file__.rsplit("/", 2)[0])
import boto3
from config import REGION, CLAUDE, DATA

bedrock = boto3.client("bedrock-runtime", region_name=REGION)
image = open(f"{DATA}/receipt.png", "rb").read()

schema = {
    "type": "object",
    "properties": {
        "store": {"type": "string"},
        "date": {"type": "string", "description": "YYYY-MM-DD"},
        "items": {"type": "array", "items": {"type": "object", "properties": {
            "name": {"type": "string"}, "quantity": {"type": "integer"}, "price": {"type": "number"}},
            "required": ["name", "quantity", "price"], "additionalProperties": False}},
        "total": {"type": "number"},
    },
    "required": ["store", "date", "items", "total"],
    "additionalProperties": False,
}

response = bedrock.converse(
    modelId=CLAUDE,
    messages=[{"role": "user", "content": [
        {"image": {"format": "png", "source": {"bytes": image}}},
        {"text": "Read this receipt and extract the data."},
    ]}],
    outputConfig={"textFormat": {"type": "json_schema", "structure": {"jsonSchema": {
        "name": "receipt", "schema": json.dumps(schema)}}}},
)

data = json.loads(response["output"]["message"]["content"][0]["text"])
print(json.dumps(data, indent=2))
print("Items:", len(data["items"]), "· total:", data["total"])

重点看 json.dumps(schema):这里按原文给出的接口格式,把 Schema 序列化成字符串传入;返回的 JSON 文本则从 response["output"]["message"]["content"][0]["text"] 取出,再交给 json.loads()。

原文执行命令是 python genai/a04_receipt.py。这段代码依赖仓库内的 config 模块,REGION、CLAUDE、DATA 都从那里读取,不能只复制单个文件就假定能运行。原文没有给出 Claude 的具体模型 ID,也没有交代 boto3 版本。

日期描述中的 YYYY-MM-DD 也要分清作用:它是在指导模型如何填写日期。这份 Schema 只把日期声明成字符串,没有用额外约束验证日期格式或日期是否真实存在。

一张小票,怎样暴露价格字段的歧义

作者实际测试的是仓库里的 BrightCart 小票,包含三项商品、税费,总额为 207.83 美元。

作者测试的 BrightCart 小票,包含三项商品、税费和 207.83 美元总额

模型返回了商店名 BRIGHTCART、日期 2026-10-08,以及三项商品:

  • Wireless headphones:数量 1,价格 129.0。
  • USB-C charger x2:数量 2,价格 50.0。
  • Screen protector:数量 1,价格 12.99。

三项价格相加,129 + 50 + 12.99 = 191.99,与总额的差值为 15.84,作者指出这对应小票上的税费。因此,这次样例的数字能够对上。

但充电器这一行很有代表性:数量是 2,价格却是 50.0,因为这里返回的是整行金额,每个充电器实际为 25。Schema 只写了 price,没有说明要单价还是行金额,模型选择了小票上印出的行金额。

如果需要单价,作者建议明确描述:

"price": {"type": "number", "description": "price of ONE unit"}

要注意的是 description 这一行,它补的是字段含义。相应的计算代码也必须一起调整:按行金额求和时直接累加 price,按单价计算时则要结合 quantity。只改描述、不改下游计算,同样会算错。

作者还提出一个最小检查:如果商品金额小计大于总额,就转交人工处理。这适合作为该样例的异常信号,但不是完整的金额校验规则。存在折扣或优惠的票据,可能合法地出现商品原价合计高于实付总额;原文的 Schema 没有表达这些情况。

我的判断

我认可把格式要求移到接口参数里的方向。相比先生成自由文本,再用正则去掉代码围栏、截取花括号,这种方式更容易建立清晰的数据契约,也能减少后处理分支。

但文章标题里的「告别 JSONDecodeError」要结合边界理解。原文展示的是一次成功调用,没有提供批量成功率、与纯提示词方案的对照,也没有说明拒答、输出截断等情况如何处理。不能据此推导出整个调用链永远不会失败。

字段必须存在,也不代表字段一定有可靠依据。

小票模糊到看不清日期时,当前 Schema 仍要求 date 是字符串,却没有设计明确的未知值表达。这是一般团队接入前需要补齐的业务约定。

模型切换也有类似边界。作者说 Nova 接受相同的图片消息结构,可以通过修改 modelId 切换;但图片输入结构相同,不足以证明目标模型支持同样的 outputConfig 和 Schema 约束。原文没有展示 Nova 的对应测试。

费用方面,作者称整个课程的请求花费不到 1 美元,并推测这一课只需很少费用。这不是单次识别的成本测量,缺少调用次数、具体模型和用量,不能直接用于预算。作者也明确表示,没有测试皱纸或其他语言的小票。

这是一份有用的入门示例,可靠性结论目前仍受单张样本限制。

能拿来做什么

  • 给现有 AI 提取接口补一份字段契约,明确必填项、数据类型、额外字段和无法识别时的处理方式,再决定哪些要求放进 Schema,哪些留给业务校验。
  • 在小票场景中先统一 price 的含义,明确使用单价还是行金额,并让金额计算遵循同一个定义,避免前端展示和后端核算各自理解。
  • 如果由 Node 服务接收识别结果、前端展示待确认表单,可以分别处理请求失败、结构异常和业务数值异常;结构化输出通过后,再检查日期、金额与税费关系。
  • 把这张清晰小票当作起点,补测真实业务中的中文票据、模糊照片和折扣票据,记录失败类型,再判断是否适合自动入库,以及哪些结果需要人工确认。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
模型剪枝能否提速,关键看硬件支持
下一篇
EKS 新沙箱为每个 Pod 提供虚拟机隔离

资讯速览

dev.to · AI · 2026-11-17 03:13

AI 评分 8.0 / 10

相关标签

#结构化输出#Python#多模态

继续阅读

  • 智能体支付防超支,不能只限单笔
  • 模型剪枝能否提速,关键看硬件支持
  • EKS 新沙箱为每个 Pod 提供虚拟机隔离
  • 用故障注入检验免费模型的排障能力
  • MCP 接入 OAuth 后仍需补齐工具授权