02 / OPEN SOURCE · LIBRERÍA PYTHON
sacor — extracción documental basada en evidencias
Biblioteca y CLI en Python publicadas en PyPI (pre-alpha) para extraer campos de facturas de luz y gas y documentos CTE italianos: cada valor vuelve con su origen, las reparaciones aplicadas y las invariantes comprobadas, y queda en null cuando no hay evidencia.
Resumen
Biblioteca y CLI en Python publicadas en PyPI (pre-alpha) para extraer campos de facturas de luz y gas y documentos CTE italianos: cada valor vuelve con su origen, las reparaciones aplicadas y las invariantes comprobadas, y queda en null cuando no hay evidencia.
El reto
Un extractor que solo devuelve un valor pide confianza. La salida debe poder verificarse y decir "no lo sé" en lugar de inventar.
Enfoque arquitectónico
Pipeline por niveles: extracción determinista, validación con invariantes, arbitraje IA opcional y salida JSON con confianza calculada.
La solución
Un nivel determinista con regex se ejecuta siempre y gratis; un paso de IA opcional actúa solo sobre campos sin resolver, con coste explícito. La confianza se calcula a partir de la evidencia y un campo no encontrado es null.
Funciones principales
- Evidencia adjunta a cada campo extraído
- Reparaciones trazadas (coma decimal, fechas)
- Invariantes aritméticas entre campos relacionados
- Nivel de IA opcional con coste estimado por llamada
Dirección tecnológica
Los hechos
- Publicado en PyPI (0.1.0), pre-alpha
- Cada campo devuelto con origen, reparaciones e invariantes
- Nivel determinista gratuito, IA opcional con coste estimado
Siguiente proyecto