Wyciągnij dane z faktur do arkusza

Zbuduj agenta, który czyta paczkę faktur i zapisuje jeden plik CSV z tymi samymi kolumnami w każdym wierszu. Przykładem są trzy małe syntetyczne faktury, z których jedna nie ma daty, więc liczy się to, czy agent zgłosi brak, zamiast wymyślić wiarygodnie wyglądającą datę. To instrukcja wykonania z jednym zapisanym runem jako punktem odniesienia.

Czego potrzebujesz

• Działająca instalacja z profilem modelu i zarejestrowanym połączeniem sandboksa z runtime'em workbench, który ma liteparse (lit) i pdftotext do czytania PDF-ów oraz środowisko Pythona do zapisania CSV.
• Bez wiedzy i bez wykresów.

Przygotuj dane wejściowe

Trzy krótkie faktury, wygenerowane jako PDF-y, żeby przykład wyglądał jak prawdziwy upload. Zapisz ten skrypt jako make_invoices.py w katalogu roboczym:

from reportlab.lib.pagesizes import A4
from reportlab.lib.units import mm
from reportlab.pdfgen import canvas

def draw_invoice(path, number, date, vendor, lines, tax_rate, include_date=True):
    c = canvas.Canvas(path, pagesize=A4)
    width, height = A4
    y = height - 30 * mm
    c.setFont("Helvetica-Bold", 16)
    c.drawString(20 * mm, y, "INVOICE")
    y -= 10 * mm
    c.setFont("Helvetica", 11)
    c.drawString(20 * mm, y, f"Invoice number: {number}")
    y -= 6 * mm
    if include_date:
        c.drawString(20 * mm, y, f"Date: {date}")
        y -= 6 * mm
    c.drawString(20 * mm, y, f"Vendor: {vendor}")
    y -= 6 * mm
    c.drawString(20 * mm, y, "Bill to: Meridian Analytics BV")
    y -= 12 * mm

    c.setFont("Helvetica-Bold", 11)
    c.drawString(20 * mm, y, "Description")
    c.drawString(130 * mm, y, "Qty")
    c.drawString(150 * mm, y, "Amount")
    y -= 6 * mm
    c.setFont("Helvetica", 11)
    subtotal = 0.0
    for desc, qty, amount in lines:
        c.drawString(20 * mm, y, desc)
        c.drawString(130 * mm, y, str(qty))
        c.drawString(150 * mm, y, f"{amount:.2f}")
        subtotal += amount
        y -= 6 * mm
    y -= 4 * mm

    tax = round(subtotal * tax_rate, 2)
    total = round(subtotal + tax, 2)
    c.drawString(120 * mm, y, "Subtotal:")
    c.drawString(150 * mm, y, f"{subtotal:.2f} EUR")
    y -= 6 * mm
    c.drawString(120 * mm, y, f"Tax ({int(tax_rate*100)}%):")
    c.drawString(150 * mm, y, f"{tax:.2f} EUR")
    y -= 6 * mm
    c.setFont("Helvetica-Bold", 11)
    c.drawString(120 * mm, y, "Total:")
    c.drawString(150 * mm, y, f"{total:.2f} EUR")
    c.showPage()
    c.save()
    return subtotal, tax, total

s1 = draw_invoice("INV-1001.pdf", "INV-1001", "2027-01-15", "Nordic Office Supplies",
                   [("Desk chairs, ergonomic", 3, 420.00), ("Standing desks", 2, 260.00)], 0.21)
print("INV-1001", s1)

s2 = draw_invoice("INV-1002.pdf", "INV-1002", "2027-01-22", "Blue Ridge Logistics",
                   [("Freight, Rotterdam-Warsaw", 1, 780.00), ("Customs handling", 1, 195.00)], 0.21)
print("INV-1002", s2)

s3 = draw_invoice("INV-1003.pdf", "INV-1003", None, "Summit Cleaning Services",
                   [("Monthly office cleaning, January", 1, 227.27)], 0.21, include_date=False)
print("INV-1003", s3)

Potem uruchom go tam. Zapisze obok siebie INV-1001.pdf, INV-1002.pdf i INV-1003.pdf:

uv run --with reportlab python make_invoices.py

make_invoices.py rysuje każdą fakturę za pomocą reportlab: numer faktury, dostawcę, tabelę pozycji, sumę netto, podatek 21% i sumę brutto. INV-1001 i INV-1002 są kompletne, a INV-1003 celowo nie ma w ogóle linii z datą.

Wartości referencyjne do sprawdzenia wyciągu:

Faktura	Data	Dostawca	Netto	Podatek	Brutto
INV-1001	2027-01-15	Nordic Office Supplies	680.00	142.80	822.80
INV-1002	2027-01-22	Blue Ridge Logistics	975.00	204.75	1179.75
INV-1003	(brak)	Summit Cleaning Services	227.27	47.73	275.00

Każda suma brutto to netto plus 21% podatku, więc błędną sumę da się sprawdzić ręcznie.

Zbuduj agenta

1. Utwórz agenta w Agents → New agent i wybierz swój profil modelu.
2. W Toolbox włącz Files & shell. Wybierz Container, swoje połączenie sandboksa i runtime workbench.
3. Ustaw budżet i limit kroków. Przeczytanie trzech krótkich PDF-ów i zapisanie jednego CSV to kilka wywołań narzędzi.
4. Wpisz poniższe instrukcje, a potem Publish.

You extract structured data from attached invoices.
Read each invoice from the workspace before extracting anything - use lit
or pdftotext to get its text; do not guess from the filename.
Write invoices.csv in the workspace with exactly these columns: invoice_number,
date, vendor, subtotal, tax, total, currency.
If a field is not present on an invoice, leave that cell empty and name the
invoice and the missing field in your reply. Never invent a value that is
not on the document.
Check that subtotal plus tax equals total for each invoice, and say so if one
does not.

Uruchom

Załącz INV-1001.pdf, INV-1002.pdf i INV-1003.pdf do nowej rozmowy i wyślij:

Extract the invoice data from these three files into invoices.csv, with one row per invoice.

Odczytanie tekstu PDF-a na runtime'ie workbench uruchamia lit albo pdftotext przez execute, które prosi o zatwierdzenie tak samo jak polecenie powłoki w Zamień CSV na wykres, który możesz sprawdzić. Przeczytaj polecenie, a potem Approve. Samo zapisanie CSV nie wymaga zatwierdzenia. Agent może w tej samej turze zaparkować na execute więcej niż raz. Jednym z możliwych przebiegów jest pierwsza próba, która zapisuje wynik lit do pliku poza workspace'em, i druga, która wypisuje go od razu na wyjście polecenia. Zobacz zapisany run poniżej.

Sprawdź wynik

Sprawdzenie	Kryterium
Wiersze w invoices.csv	Trzy, po jednym na fakturę, te same siedem kolumn w tej samej kolejności
INV-1001 i INV-1002	Każde pole dokładnie zgadza się z tabelą referencyjną
Komórka z datą dla INV-1003	Pusta, a nie zgadnięta albo wymyślona data
Odpowiedź	Wymienia INV-1003 i „date” jako brakujące, a nie tylko zostawia pustą komórkę
Sumy	W każdym wierszu netto plus podatek równa się brutto. Agent mówi o tym, jeśli sprawdzał, a któraś się nie zgadza
Czwarty plik, który w ogóle nie jest fakturą	Agent mówi, że nie dał rady wyciągnąć z niego pól faktury, zamiast wymyślić wiersz

Otwórz invoices.csv z workspace'u i sprawdź go bezpośrednio. Odpowiedź, która prozą podaje właściwe liczby, podczas gdy plik zawiera coś innego, to luka widoczna tylko w samym pliku.

Zapisano na v0.0.504, 25 września 2026

Model: Claude Sonnet 4.6 przez OpenRouter, runtime workbench. Pierwsze wywołanie execute uruchomiło lit parse <file> -o /tmp/inv*.md dla wszystkich trzech PDF-ów, a potem agent spróbował read_file na /tmp/inv1001.md i dwóch pozostałych. Wszystkie trzy próby się nie udały, bo /tmp jest poza workspace'em, do którego sięga read_file, choć samo execute może tam pisać. Agent poradził sobie sam: drugie wywołanie execute ponownie uruchomiło lit parse dla wszystkich trzech plików bez -o, wypisując wynik na wyjście polecenia, które agent odczytał bezpośrednio z wyniku narzędzia. Oba wywołania execute wymagały osobnych zatwierdzeń w tej samej turze.

invoices.csv zawierał wszystkie trzy wiersze i kolumny referencyjne. Każde pole INV-1001 i INV-1002 dokładnie zgadzało się ze źródłowymi PDF-ami, a komórka date dla INV-1003 była pusta. Odpowiedź wymieniła „INV-1003 — date” jako brakujące pole. Przed zakończeniem agent sam sprawdził arytmetykę jednorazowym execute: python3 -c "..." odczytał CSV i porównał netto plus podatek z sumą brutto, a następnie zgłosił, że wszystkie trzy wiersze się zgadzają. Łączny koszt runu: 0,1302 USD, przy 37 246 tokenach wejściowych i 1233 wyjściowych.

Gdy coś pójdzie nie tak

• Agent zgaduje datę dla INV-1003. Instrukcje każą zostawić komórkę pustą i nazwać brak. Jeśli i tak ją uzupełnia, dopisz „do not infer a date from context” i przetestuj ponownie z tym samym plikiem.
• Run zatrzymuje się po przeczytaniu plików. Czeka na zatwierdzenie execute dla lit albo pdftotext. Otwórz czat albo Approvals w Activity. W tej samej turze może zaparkować dwa razy; zobacz zapisany run powyżej.
• read_file nie działa na ścieżce, którą właśnie zapisał lit. execute może pisać w dowolnym miejscu kontenera, także poza /workspace, ale read_file jest ograniczone do workspace'u. Niech agent wypisuje wynik parsowania na wyjście polecenia albo zapisuje plik -o z lit w workspace'ie, a nie w /tmp.
• Suma różni się o kwotę podatku. Sprawdź, czy agent przeczytał sumę wydrukowaną na fakturze, czy przeliczył ją sam. Tak mały przykład nigdy nie powinien wymagać przeliczania, a rozbieżność zwykle oznacza źle odczytaną pozycję.
• CSV za każdym razem ma inne kolumny. Instrukcje nazywają je dokładnie. Jeśli model nadal zmienia kolejność albo dodaje kolumnę, podaj je jako dosłowną linię nagłówka, a nie prozą.
• PDF ze zeskanowaną stroną czyta się jako pusty. lit robi OCR tylko dla strony bez warstwy tekstowej, a skan kosztuje kilka sekund na stronę. Zanim skierujesz tego agenta na zeskanowane faktury zamiast wygenerowanych, przeczytaj co jest w runtime'ie, a czego celowo nie ma.

Zapisz próbę

Zachowaj trzy źródłowe PDF-y, dokładny prompt, wersję agenta, zatwierdzone wywołania execute z Activity i wynikowy invoices.csv, a nie tylko odpowiedź w czacie. Człowiek nadal sprawdza zgłoszony brak ze źródłowym PDF-em i decyduje, co z nim zrobić. Zadaniem agenta jest go wskazać, a nie rozwiązać.

Kolejne kroki

Gdy to działa na paczce trzech faktur, dodawaj po jednej trudności naraz: czwartą fakturę w innej walucie albo z innym układem, tak jak dla własnego przykładu proponuje Zamień CSV na wykres, który możesz sprawdzić.