Kombinierte Cue-Word-Befehle zum visuellen Extrahieren von Dokumenten im Markdown-Format

Diese Richtlinie ist abgeleitet von der Vision Parse Projekt, das in zwei Schritte unterteilt ist, um Markdown-Dokumente zu extrahieren.

Aufforderung zur Bildanalyse (img_analysis.prompt).

Analyze this image and return a detailed JSON description including any text detected, images detected, tables detected, extracted text and confidence score for the extracted text.
Confidence score for the extracted text should be a float value between 0 and 1. If you cannot determine certain details, leave those fields empty.

Übersetzung des Stichworts

分析此图像并返回一个详细的 JSON 描述，其中包括检测到的任何文本、检测到的图像、检测到的表格、提取的文本及其置信度分数。 
提取文本的置信度分数应为介于 0 和 1 之间的浮点值。如果无法确定某些细节，请将这些字段留空。

Vorlage für die Markdown-Formatierungsaufforderung (md_prompt.j2).

{% autoescape true %}

Your task is to analyze the given image and extract textual content in markdown format.

{% if confidence_score_text is defined and confidence_score_text is number %}
{% if confidence_score_text > 0.6 %}
- Verify if the extracted text matches with the content in the image: {{ extracted_text|escape|trim }}.
- Ensure markdown text formatting for {{ extracted_text|escape|trim }} is applied properly by analyzing the image.
- Strictly do not change any content in the original extracted text while applying markdown text formatting.
{% else %}
- Please carefully reanalyze the text in the image as the initial confidence score was low.
- Convert the provided image into markdown format and ensure that all content from the image is included.
{% endif %}
{% endif %}

{% if tables_detected is defined and tables_detected|string == "Yes" %}
- Preserve the tabular structure in markdown format using | for columns and - for the header row separator.
- Ensure that the cell values are properly aligned within the table columns and the tabular data is not distorted.
- Maintain the original positioning of the table within the scanned document. Do not include any additional explanations or comments.
{% endif %}

- Preserve markdown text formatting if present such as bold, italics, underlines, headers, bullet points, links or other elements.
- Strictly, do not omit any textual content from the given image and do not include any additional explanations, notes or comments.
- Ensure that the content does not have unnecessary formatting and at the same time, preserve the original formatting as much as possible.
- Strictly, do not generate code fences or backticks like ``` or ```markdown.

{% endautoescape %}

Übersetzung des Stichworts

{% autoescape true %}

您的任务是分析给定的图像，并以 Markdown 格式提取文本内容。

{% if confidence_score_text is defined and confidence_score_text is number %}
{% if confidence_score_text > 0.6 %}
- 验证提取的文本是否与图像内容匹配：{{ extracted_text|escape|trim }}。
- 通过分析图像，确保 {{ extracted_text|escape|trim }} 的 Markdown 文本格式正确应用。
- 在应用 Markdown 文本格式时，严格不要更改原始提取文本中的任何内容。
{% else %}
- 请仔细重新分析图像中的文本，因为初始置信评分较低。
- 将提供的图像转换为 Markdown 格式，并确保图像中的所有内容都被包含。
{% endif %}
{% endif %}

{% if tables_detected is defined and tables_detected|string == "Yes" %}
- 使用 | 表示列，使用 - 表示表头行分隔符，以 Markdown 格式保留表格结构。
- 确保单元格值在表格列中正确对齐，并且表格数据未发生扭曲。
- 保持表格在扫描文档中的原始位置。不要包括任何额外的说明或评论。
{% endif %}

- 如果存在 Markdown 文本格式，例如加粗、斜体、下划线、标题、项目符号、链接或其他元素，请予以保留。
- 严格不要遗漏给定图像中的任何文本内容，也不要包括任何额外的说明、备注或评论。
- 确保内容没有不必要的格式，同时尽可能保留原始格式。
- 严格不要生成代码块或反引号，例如 ``` 或 ```markdown。

{% endautoescape %}

Ich möchte alle Variablen analysieren, auf die in der Vorlage md_prompt.j2 verwiesen wird:

1. konfidenz_score_text

{% if confidence_score_text is defined and confidence_score_text is number %}
{% if confidence_score_text > 0.6 %}

• Typ: numerisch (Zahl)
• Zweck: Speicherung von Vertrauenswerten für die Textextraktion
• Wertebereich: Fließkommazahl zwischen 0 und 1
• Wird verwendet, um festzustellen, ob der Text erneut analysiert werden muss.

2. extrahierter_text

{{ extracted_text|escape|trim }}

• Typ: string(Zeichenkette)
• Zweck: Speicherung des aus dem Bild extrahierten ursprünglichen Textinhalts
• Es werden zwei Filter verwendet:
  • escape: Sonderzeichen werden umgangen
  • trim: Whitespace entfernen

3. tables_detected

{% if tables_detected is defined and tables_detected|string == "Yes" %}

• Typ: string(Zeichenkette)
• Zweck: Identifiziert, ob ein Formular erkannt wird
• Mögliche Werte: "Ja" oder "Nein".

Diese Variablen stammen aus dem ImageDescription-Modell im Code (definiert in llm.py):

class ImageDescription(BaseModel):
"""Model Schema for image description."""
text_detected: Literal["Yes", "No"]
tables_detected: Literal["Yes", "No"]
extracted_text: str
confidence_score_text: float

Dieses Modell entspricht der JSON-Struktur, die von img_analysis.prompt zurückgegeben wird, und gewährleistet die Typsicherheit und Konsistenz der Daten. Diese Variablen werden in der Phase der Bildanalyse (img_analysis.prompt) generiert und dann zur Verwendung an die Vorlage für die Markdown-Generierung (md_prompt.j2) übergeben.