Yandex Vision OCR: ИИ-агент для распознавания документов

Yandex Vision OCR — сервис компьютерного зрения, который распознаёт текст на изображениях и в файлах PDF. Агент подключается к нему и превращает поток сканов в разобранные документы: текст, поля и черновики бумаг, которые раньше перепечатывали руками.

Агент — программа, которая делает дело целиком, а не отвечает на вопрос. Три признака: работает в ваших сервисах, доводит до результата, работает без вас. Чат-бот скажет, что на картинке текст, агент вернётся с папкой распознанных документов и списком полей, которые не сошлись.

Коннектор — описание подключения: где взять доступ, как проверить связь, какие данные видны. Здесь доступ — сервисный аккаунт в Yandex Cloud с ролью на каталог и API-ключ, который передаётся в заголовке запроса.

Пароль от аккаунта на Яндексе агент не хранит. Проверка простая: одна тестовая страница. Текст вернулся — связь есть.

Возможности Vision OCR отдаются через API в нотациях REST и gRPC. Распознавание работает синхронно, когда ответ приходит сразу, и асинхронно: сервис вернёт идентификатор операции, а результат заберут позже — так обрабатывают большие объёмы. Модель выбирается полем в запросе: page для обычной страницы, page-column-sort для многоколоночного текста, handwritten для рукописного и печатного вместе, table для таблиц. Есть модели шаблонных документов: паспорт, водительское удостоверение, свидетельство о регистрации машины, регистрационные номера.

### Черновики текстов: заголовки и структура

Агент забирает скан или PDF, выбирает модель под тип страницы и собирает из распознанного текст: заголовок, разделы, реквизиты, таблицы. Он склеивает страницы одного документа, убирает колонтитулы и ставит структуру: шапка, условия, подписи.

### Редактура: факты, цифры и единый стиль

Агент сверяет извлечённые поля между собой: сумму в таблице и сумму прописью, дату договора и дату приложения, номер счёта в шапке и в подписи. Расхождение он не правит молча, а выносит в список с координатами страницы и цитатой.

### Черновики писем и служебных записок

Агент собирает письмо по распознанному документу: что пришло, что в нём важно, что нужно сделать и к какому сроку. Записку он пишет по тому же принципу, с акцентом на основание. В конце — перечень полей, которые не удалось прочитать уверенно, чтобы человек проверил их до отправки.

Проверка спорного документа, подпись и решение, если скан плохой или модель ошиблась в рукописном фрагменте. Агент ускоряет разбор, но не берёт на себя ответственность за содержание бумаги.

В консоли Yandex Cloud создаётся сервисный аккаунт с ролью ai.vision.user или выше на каталог. Затем выпускается API-ключ и передаётся в заголовке Authorization; альтернатива — IAM-токен, но у него короткий срок жизни. Идентификатор каталога указывается в заголовке запроса или в теле, в зависимости от интерфейса.

Не заверяет документы и не заменяет юридическую проверку. Не загружает ваши сканы в чужие сервисы — только в тот каталог, доступ к которому выдали.

Что такое агент, если коротко. Программа, которая делает дело целиком: берёт скан, распознаёт его, собирает текст и возвращает результат с пометками о слабых местах. Чат-бот ответит словами, агент принесёт готовые документы.

Что такое коннектор. Описание подключения: сервисный аккаунт, роль на каталог, API-ключ и проверка связи тестовой страницей. Вы выдаёте доступ, агент работает в его границах и не хранит пароль.

Что делать с рукописными документами. Для смеси печатного и рукописного текста есть отдельная модель. Она не гарантирует разбор любого почерка, поэтому такие страницы разумно оставлять человеку на проверку.