Контекст
Антоний работал как AI Integration Engineer над IDP-архитектурой для обработки длинных неструктурированных документов. Это закрытый клиентский проект, поэтому детали реализации намеренно обобщены.
Проблема
Ручное заполнение форм по документам на 20-50 страниц занимает много времени и даёт ошибки. Система должна извлекать structured data при переменном layout и неидеальном OCR.
Ограничения
- Длинные неструктурированные документы.
- Качество OCR и вариативность page layout.
- Async backend с очередями, кэшированием и storage.
- Ожидания production-MVP по надёжности и проверяемости.
Подход
Архитектура объединила OCR, обработку через PyMuPDF, Smart Anchor extraction, LLM orchestration, Pydantic validation, FastAPI, очереди, кэширование, Docker и AWS S3 storage.
Ключевые решения
- Smart Anchor algorithm для стабильного extraction из переменных layouts.
- LLM orchestration вокруг OCR и результатов PDF parsing.
- Async FastAPI backend с очередями и кэшированием.
- Pydantic models для structured validation.
Результат
Известные результаты: оценочное время заполнения форм снижено примерно с 40 до 3 минут, заявленная точность извлечения для документов на 20-50 страниц - >95%.
Что это демонстрирует
Document AI architecture, async backend engineering, LLM orchestration, OCR pipeline design и аккуратную работу с закрытыми клиентскими кейсами.