Строка «$1,250.00» ещё не означает USD: символ доллара используют разные валюты. А «1.250,00» и «1,250.00» представляют одно число в разных форматах. Сначала сохраняйте исходный фрагмент и его координаты, затем отдельно разбирайте число, явный код валюты и контекст документа. Если доказательств недостаточно, возвращайте currency_code = null, а не наиболее привычный код.
Особенно опасно исправлять ответ модели только prompt-ом. OCR может спутать знак, потерять пробел или перенести код на соседнюю строку, а модель затем уверенно заполнит пропуск. Денежное значение проходит детерминированный парсер и валидаторы после извлечения, а исходное изображение остаётся доступным для проверки.
Одинаковая запись допускает разные трактовки
| Фрагмент | Риск | Нужный контекст |
|---|---|---|
| $ 125 | USD, CAD, AUD и другие dollar currencies | ISO code, страна эмитента, валюта документа |
| 1,234 | Тысяча двести тридцать четыре или 1.234 | Locale и соседние суммы |
| 1.234,56 | Европейские separators | Язык и регион документа |
| 100 kr | Несколько крон | Страна, код SEK/NOK/DKK/ISK |
| JPY 100.00 | Необычная точность для валюты | Правило источника и minor unit |
| Итого 50 / Налог 10 | Несколько разных ролей суммы | Label и положение в таблице |
Unicode CLDR описывает локальные шаблоны чисел, decimal и grouping separators, валютные символы и данные о числе дробных знаков. Это справочник форматирования и разбора, но не сервис обменных курсов и не доказательство валюты конкретного документа. ISO 4217 даёт буквенные и цифровые коды и связь с minor units; курс и дата конвертации всё равно требуют отдельного источника.
Контракт хранит значение без потери доказательств
{
"raw_text": "Total: $1,250.00 CAD",
"decimal_string": "1250.00",
"currency_code": "CAD",
"amount_role": "invoice_total",
"page": 2,
"evidence_span": [418, 437],
"currency_evidence": "explicit_iso_code",
"locale_used": "en-CA",
"confidence": 0.99,
"review_reason": null
}decimal_string лучше двоичного float для передачи точного финансового числа. В базе можно использовать NUMERIC/DECIMAL, а для расчётов в minor units — целое число только после проверки валюты и допустимой точности. Не округляйте исходную сумму молча: сохраните введённое значение, правило округления и полученный результат.
Разрешаем валюту по силе доказательства
- Явный ISO-код рядом с суммой имеет приоритет над неоднозначным символом.
- Заголовок колонки или строка «валюта документа» применяется только к своей области.
- Контрагент, страна и locale служат подсказкой, но не заменяют явный код.
- Если в документе несколько валют, каждая сумма получает локальное evidence.
- Конвертированная сумма хранится отдельно с курсом, датой и источником курса.
- Конфликт кода, символа и формата создаёт review_reason, а не автоматическое большинство голосов.
Таблицы требуют координат. Код валюты может быть один раз в заголовке, сумма — в десятой строке, а итог — в подвале. Плоский текст теряет эту связь. Передавайте модели или правилу структуру page/table/row/column и проверяйте, что evidence находится в ожидаемой области.
Валидаторы ловят уверенные, но невозможные ответы
- currency_code входит в актуальный справочник допустимых кодов системы.
- Grouping соответствует locale: разделитель стоит между корректными группами цифр.
- Количество дробных знаков объяснимо валютой или правилом источника.
- Итог примерно согласуется с подытогом, налогом и скидкой в той же валюте.
- Символ и явный код не конфликтуют без зафиксированного объяснения.
- Низкий OCR confidence, зачёркивание или рукописная правка требуют просмотра изображения.
Приёмка строится на неоднозначных примерах
Сделайте golden set из разных locales, символов доллара и кроны, валют без привычных дробных знаков, многострочных таблиц и документов с двумя валютами. Считайте отдельно точность числа, ISO-кода и роли суммы: единая метрика скрывает ситуацию, когда число распознано верно, а валюта нет. Готовый pipeline не конвертирует молча, сохраняет доказательство и отправляет неоднозначные случаи человеку с понятной причиной.