数据保护

AI在Airparser中的作用

Airparser并非围绕聊天模型构建的简单包装工具。数据提取结合了多个阶段——预处理、OCR、结构化提取模型以及后处理/验证——AI在此流程中被用于最能发挥价值的环节:解读版式或格式各异的内容,并将其映射到您模式中的字段。这里没有通用的聊天界面,也不会在您配置的提取任务之外对您的数据进行开放式提示(prompt)。

文档的逐步处理流程

• 接收 — 文档通过上传、电子邮件、API或集成方式进入您的Airparser邮箱。
• 预处理 — 文件被标准化处理,对于扫描件或图像会执行OCR以生成文本层。
• 结构化提取 — 文档使用我们的提取模型和逻辑与您的模式进行匹配:这是自有模型与增强型专用模型的组合——后者基于我们委托处理方页面中列出的供应商构建——专门针对文档数据提取进行了调优。
• 后处理 — 提取的输出会根据您模式中的字段类型进行验证和规范化,然后才最终确定。
• 交付 — 结果存储在您的账户中,可通过应用程序、API或您配置的导出/webhook获取。

我们为何结合OCR、AI与后处理

每个阶段都弥补了不同的短板。仅靠OCR只能获得原始文本,却无法理解这些文本的含义,也无法判断其与您模式的对应关系。AI模型擅长解读含义,并处理版式或措辞各异的文档——这正是固定模板难以应对的情况——但仅凭AI本身并不能保证得到类型正确、经过验证的结果。后处理会在数据进入您的账户之前检查类型、格式和一致性,从而弥补这一不足。将三者结合使用,比依赖单一方法能带来更可靠的结果。

嵌入(Embeddings)与长文档

嵌入是文本的数值化表示形式,可以让系统识别文档中哪些部分与特定字段或查询最相关,而无需在每一步都处理整份文档。

我们已使用该技术来帮助更高效地处理超长文档。目前该技术仅有选择性地应用,而非每次提取的默认组成部分,仍带有一定的实验性质——随着技术的成熟,未来我们可能会扩大其使用范围。

我们的提取模型

我们的提取流程使用自有模型与增强型专用模型的组合,后者基于我们委托处理方页面中列出的LLM供应商构建——专门针对文档数据提取进行调优,而非用于通用聊天。

训练与数据保留

• 我们绝不会用您的数据训练或微调任何模型,也绝不会出售您的数据。这是一项长期承诺,而非取决于套餐的功能。
• 我们与AI委托处理方签订的协议禁止其将用于提取的数据用于训练其模型。

加密与传输

与我们的AI委托处理方之间的所有通信均通过加密连接(HTTPS/TLS 1.2+)进行,这与我们应用于基础设施其他部分的标准相同。

数据隔离

每个Airparser账户的文档、模式和结果都与其他账户在逻辑上相互隔离。处理某一客户的文档绝不会暴露或混淆另一客户的数据。

哪些内容仍由您掌控

• 您是数据控制者;Airparser及其AI委托处理方仅作为数据处理者,依照您的指示行事。
• 您可以随时删除任何文档、模式或您的整个账户。
• 可配置的保留策略允许您在1至180天之间自动删除已处理的数据。