Sensible 文档抽取 API：从任意文档中提取结构化数据

产品详细介绍

Sensible 是一款专注于“从非结构化文档中提取结构化数据”的文档抽取 API，面向需要大规模处理发票、报表、保单、金融和合规文档的企业团队。它通过将传统布局解析与大语言模型（LLM）抽取相结合的混合架构，为复杂、多变格式的文档提供生产级的数据提取能力。

核心能力与特点

多格式文档支持
Sensible 支持从多种常见业务文档中抽取数据，包括但不限于：
- PDF 文档（扫描件与电子 PDF）
- 图片类文档（如拍照的账单、证件、票据）
- 电子表格（如 Excel、导出的对账单等）
  能够处理包含复杂表格、密集字段和多栏布局的文档场景。
混合架构：规则 + LLM 抽取
Sensible 并非依赖单一 OCR 或模板，而是采用：
- 布局驱动的确定性方法：根据文档结构、表格和字段位置进行高精度解析；
- 针对性 LLM 抽取：在规则难以覆盖或格式高度不一致的“疑难区域”使用大模型进行补充抽取；
- 文本预处理与清洗：对 OCR 结果进行强化处理，减少噪点和识别错误；
- 客户级定制配置：根据具体业务文档类型和字段需求进行配置，而非“一刀切”的通用模板。
  这种混合方式在准确率、稳定性和可控性之间取得平衡，适合真正落地到生产环境。
结构化输出与字段级验证
Sensible 的输出是严格模式化的结构化数据，支持：
- 按预定义 Schema 输出字段（如发票号、供应商信息、行项目、金额、税率等）；
- 每个字段附带置信度信号，便于下游系统判断是否需要人工复核；
- 输出可直接进入财务系统、风控系统、合规系统或自建业务数据库，减少中间清洗环节。
适配多行业、多场景
Sensible 针对多种典型业务文档场景进行了优化，包括：
- 财务与会计：发票、银行对账单、工资单、税表等；
- 保险与风险管理：loss runs、ACORD 表单、保单、理赔相关文件等；
- 房地产与金融交易：投资说明书、成交披露文件、租金清单等；
- 物流与供应链：运价确认、提单、运单、发票等；
- 医疗与支付方：EOB（权益说明）、保单、支付方确认等。
  同时也支持身份证件、驾照、公共事业账单等身份与地址验证类文档的快速解析。
生产级可靠性与合规性
Sensible 面向生产环境设计，强调安全与合规：
- 通过 SOC 2 认证，满足严苛的安全与隐私要求；
- HIPAA 合规，可安全处理医疗与健康相关敏感数据；
- 提供审计追踪能力，便于监管合规和内部审计；
- 支持在高并发场景下的实时或准实时处理，如实时银行对账单解析、即时保单页面解析等。
“足够好 + 人工复核”的自动化理念
Sensible 强调“混合自动化 + 必要人工复核”的实践路径：
- 通过高覆盖率自动抽取，显著减少纯手工录入；
- 利用字段置信度和审计轨迹，将人工精力集中在高风险或低置信度字段；
- 相比追求“完美通用模型”或完全手工处理，这种方式更适合企业快速上线并持续优化。
专家团队与方案支持
Sensible 提供解决方案工程师团队，可协助：
- 评估企业现有文档流程与数据结构；
- 设计字段 Schema 与抽取策略；
- 配置和调优特定文档类型的解析逻辑；
- 指导与现有系统（如 ERP、财务系统、风控平台）的集成落地。

简单使用教程

以下为基于 Sensible 文档抽取 API 的简要上手流程，帮助你从零开始构建一个文档自动化抽取流程。

步骤一：注册账号并获取 API 访问

访问官网 sensible.so，注册企业账号或申请试用。
在控制台中创建项目，获取对应的 API Key 或访问凭证。
根据文档类型（如发票、银行对账单、保单等）选择或创建相应的解析配置/模板（Schema）。

步骤二：准备待解析文档

将需要抽取的文档整理为：
- PDF 文件（扫描件或电子版）；
- 图片文件（JPG、PNG 等）；
- 或表格文件（如 XLSX）。
确保文件清晰可读，避免严重模糊、遮挡或旋转；如为批量处理，可先在本地或存储服务中统一管理文件路径或 URL。

步骤三：调用文档抽取 API

在后端服务中集成 Sensible 提供的 API（可使用常见语言如 Python、Node.js、Java 等）。
通过 HTTPS 请求将文档文件或文件 URL 发送至 Sensible 的解析端点，并指定：
- 使用的文档类型或解析配置 ID；
- 需要返回的字段集合或 Schema 名称；
- 可选的回调地址（用于异步处理）。
等待 API 返回结构化结果，一般为 JSON 格式，包含字段值与置信度信息。