doc-intel-contract-pl

doc-intel-contract-pl - kontrakt wyjscia Document Intelligence

Po co

Kazdy szczebel naszej drabinki PDF (pdftotext -> anydoc -> markitdown -> opendataloader -> liteparse -> Chandra -> vision) zwraca wynik w innym formacie. Ten skill sprowadza te formaty do JEDNEGO kontraktu, ktory od razu odpowiada na trzy pytania:

1. Ktory fragment ma zobaczyc czlowiek? - confidence-gating (Article III / AI Act art. 14).
2. Co zredagowac? - typed blocks + flagi PII (signature/stamp/PESEL/NIP/IBAN).
3. Gdzie w dokumencie jest ten cytat? - bbox + block_id -> most do citation-grounding-pl.

Zamkniety jest MODEL Mistral OCR 4, nie idea. Odtwarzamy kontrakt na wlasnym, lokalnym, RODO-safe stacku - skladamy puzzle, nie wynajdujemy kola.

Kontrakt (v1.2.0)

Wersja zyje w stalej contract.CONTRACT_VERSION; ten naglowek i przyklad ponizej sa zakotwiczone testem tests/test_dokumentacja_zakotwiczona.py (D1).

{
  "doc_id": "<sha256 wejscia>",
  "contract_version": "1.2.0",
  "source": {"path": "...", "engine": "opendataloader|pdftotext|chandra|gaius|vlm-html|pdf-inspector|liteparse", "engine_variant": "default|google_doc_ai|null", "pages": N},
  "blocks": [
    {"id": "b0001", "page": 1, "bbox": [x0,y0,x1,y1]|null,
     "block_type": "title|paragraph|table|list|equation|signature|stamp|figure|header|footer|unknown",
     "text": "...", "confidence": 0.0-1.0|null, "flags": ["partial","pii_suspected","pii:pesel","sensitive_block","signature_suspected",...]}
  ],
  "gating": {
    "threshold": 0.85,
    "review_required": ["b0003"], "auto_approved": ["b0001"],
    "ungroundable": ["b0007"],
    "verdict": "ok|degraded|failed",
    "note": "...",
    "counts": {"total": 11, "review_required": 1, "auto_approved": 10, "ungroundable": 0}
  },
  "redaction_candidates": ["b0004"],
  "meta": {"created_at": "ISO-8601"}
}

• bbox znormalizowany 0-1 (przenosny miedzy DPI). Silnik bez bbox -> null + flaga partial.
• confidence == null (partial) -> zawsze do review_required (konserwatywnie; nie wiemy = czlowiek patrzy).