Docflow

Vytěžování dat z firemních dokumentů lokálním LLM, s ověřením každé hodnoty proti PDF a deterministickou kontrolou pravidel. Faktury, smlouvy, pojistky nebo jakýkoli jiný typ dokumentu: obor určuje jen šablona, kterou lze vytvořit v UI nebo nechat navrhnout modelem.

První placený pilot: nájemní smlouvy → evidence v Excelu pro správce nájmů. Připravené funkce, nabídka, podmínky, provoz a měření jsou v docs/pilot/, obory, ceník a cesta k zákazníkům v docs/strategie.md. Nová nájemní šablona zatím nemá změřenou přesnost na reálných smlouvách; veřejná ukázka obsahuje jeden další fiktivní nájem mimo níže uváděnou evaluační sadu.

Živě: https://docflow.logicflow.cz (původní adresa https://docflow-inky-ten.vercel.app také funguje). Bez přístupového kódu ukazuje předpočítané výsledky na fiktivních dokumentech (rychle, bez nákladů). S kódem se přepne na ostrý provoz: nahrání vlastního PDF, OCR, extrakce, ruční kontrola a šablony nad skutečným backendem.

Vyzkoušet bez kódu: /vyzkouset – vlastní anonymizovaná faktura, nájemní smlouva nebo objednávka přepravy / CMR (do 10 stran, 3 dokumenty za 24 h z jedné IP), výsledek s citacemi a pravidly, stažení XLSX a JSON. Data se ukládají odděleně a mažou do 24 hodin; nepoužívají se k evaluaci. Odkaz s ?ref=<kód> ukáže v scripts/api_keys.py trials, který oslovený to zkusil.

Aplikace pro firmy: každá firma má vlastní pracovní prostor s přístupovým kódem, vlastními dokumenty, šablonami, měřením a volitelnou denní kvótou; ostatní prostory nevidí. Správa: uv run python scripts/workspaces.py create "Firma s.r.o." [--quota 50], list (dokumenty a volání modelu za měsíc, podklad k fakturaci), revoke <id>. ACCESS_CODE otevírá výchozí prostor s daty z doby před prostory.

Příjem e-mailem: firma posílá nebo přeposílá PDF na vlastní adresu dokumenty+<kód>@… (jedna IMAP schránka, proměnné INTAKE_*). Přílohy se uloží do jejího prostoru a s nastavenou šablonou se rovnou vytěží, takže čekají v aplikaci ke kontrole. Zapnutí: scripts/workspaces.py intake <id> --template invoice [--senders @firma.cz], přijaté e-maily: scripts/workspaces.py inbox <id>.

API pro integrátory: /v1 s klíčem pro každého klienta (Authorization: Bearer), denní kvótou a exportem do XLSX, JSON, POHODY a Money S3. Klíč může patřit pracovnímu prostoru firmy (api_keys.py create … --workspace <id>): pak nabízí i její šablony a čerpá její kvótu. Podepsané webhooky po dokončení extrakce: api_keys.py webhook <id> <https-url>, doručení api_keys.py deliveries <id>. Dokumentace česky na /api, OpenAPI na <backend>/v1/docs.

Proč to není „chat s PDF“

Problém LLM extrakce	Co s tím dělá Docflow
Model si hodnotu vymyslí	U každého pole musí vrátit stranu a doslovnou citaci; kód ověří, že citace v PDF opravdu je a hodnotu obsahuje. Neověřená pole UI označí.
Model nepočítá spolehlivě	Model nic nepočítá. Součty, kontrolní součet IČO a pořadí dat ověřuje deterministický kód podle pravidel šablony.
Čísla a data v různých formátech	Normalizace v kódu: 12 100,00 Kč, 1.234,56, 185 000,- Kč, 3. 9. 2026, 1. října 2026, ISO.
Lokální model nepodporuje strukturovaný výstup	Vynucené volání nástroje; když parser Ollamy selže, záložní raw dokončení mimo parser; validace Pydanticem a opakování s chybou jako zpětnou vazbou.
Nevíme, jak dobře to funguje	Evaluační sada 37 fiktivních dokumentů včetně těžkých případů, skenů a vložených chyb; přesnost po polích, záchyt chyb, užitečnost signálů v UI, verze promptu.
Člověk musí mít poslední slovo	Ruční kontrola v UI: opravy se uloží, pravidla se přepočítají; schválené extrakce lze použít jako další trénovací/evaluační data.

Výsledky evaluace

33 fiktivních dokumentů (12 + 4 faktury, 10 smluv, 7 pojistek; 7 z nich jsou „těžké případy“), 339 polí, 11 vložených chyb. Mac s 32 GB RAM, Ollama.

Model	Prompt	Přesnost polí	Standardní / těžké	Dokumenty bez chyby	Vložené chyby zachyceny	Medián času
qwen3.8:27b	v1	99,1 %	100 % / 95,9 %	31 / 33	11 / 11	102 s
qwen3.6:35b-a3b (MoE)	v1	99,1 %	99,6 % / 97,3 %	30 / 33	11 / 11	24 s
qwen3.8:27b	v2	99,7 %	100 % / 98,6 %	32 / 33	11 / 11	69 s
qwen3.6:35b-a3b (MoE)	v2	99,7 %	99,6 % / 100 %	32 / 33	11 / 11	23 s

Co z evaluace vzešlo:

This is the beginning of the README. Read the rest at the original. Read the full README ↗