· AI Engineer World's Fair 2025
Создание платформы на базе агентов
Building an Agentic Platform
Извлечение полей из длинных документов, по словам авторов, точнее работает на агентном графе с проверками и голосованием моделей, чем на одном вызове модели.
- Группировка полей перед извлечением — связанные поля, например стороны договора и их адреса, извлекаются вместе, иначе модель сопоставляет три стороны с двумя адресами.
- Перепроверка и голосование моделей — результат сверяют с OCR и изображениями страниц, а ответы моделей от разных вендоров сравнивают; LLM-as-a-judge возвращает замечания, и извлечение повторяется.
- Доработка узлом, а не переписыванием — когда результат deep research выглядел сыро, команда добавила финальный узел для суммаризации, и это заняло немного времени.
- Промпты вместо fine-tuning — дообучение пришлось бы повторять для каждой новой версии Gemini, Llama, OpenAI и Anthropic, поэтому команда выбрала промпты, кэширование промптов и агентные графы.
Кому полезно: тем, кто извлекает структурированные данные из длинных договоров и других документов с десятками сложных полей.
Статья по теме
Главы
Ещё доклады: Ben Kus
Страница спикера →Период полураспада agent-инфраструктуры
AI Engineer World's Fair 2026
Похожие доклады
Как создавать AI agents для автоматизации интеллектуальной работы
AI Engineer World's Fair 2025
Близко по содержанию
Ваши договоры — база данных, по которой нельзя искать
Близко по содержанию
Создание слоя контекста документов для AI agents
AI Engineer World's Fair 2026
Близко по содержанию
Структурирование неструктурированных данных: продвинутый разбор документов для AI-workflows
AI Engineer World's Fair 2026
Близко по содержанию

