OpenClaw کے ساتھ دستاویز پروسیسنگ آٹومیشن

ہر کاروبار دستاویزات پر چلتا ہے۔ رسیدیں، معاہدے، خریداری کے آرڈر، ترسیل کی رسیدیں، تعمیل کی رپورٹیں، اخراجات کے دعوے—حجم کبھی کم نہیں ہوتا، اور انہیں دستی طور پر پروسیس کرنے کی لاگت بہت زیادہ ہے۔ قدامت پسند تخمینوں نے دستی انوائس پروسیسنگ کی اوسط لاگت $12–$16 فی دستاویز رکھی ہے، غلطی کی شرح 3% اور 5% کے درمیان ہے۔ اس کو ہر ماہ ہزاروں دستاویزات میں ضرب دیں اور آٹومیشن کا کیس خود لکھتا ہے۔

OpenClaw کے دستاویز پراسیسنگ ایجنٹس OCR، سٹرکچرڈ ڈیٹا نکالنے، توثیق کے قوانین، اور ERP انضمام کو ایک خود مختار پائپ لائن میں یکجا کرتے ہیں۔ نتیجہ ایک ایسا نظام ہے جو دستاویز وصول کرتا ہے، اس کی قسم اور مواد کو سمجھتا ہے، آپ کے کاروباری اصولوں کے خلاف ڈیٹا کی توثیق کرتا ہے، اور نکالی گئی معلومات کو درست منزل تک پہنچاتا ہے—بغیر زیادہ تر دستاویزات کے لیے انسانی مداخلت کے۔

اہم ٹیک ویز

• OpenClaw دستاویز کے ایجنٹ پی ڈی ایف، اسکین شدہ امیجز، اٹیچمنٹ کے ساتھ ای میلز، اور سٹرکچرڈ فائل فارمیٹس (CSV، XML، EDI) کو متحد پائپ لائن کے ذریعے ہینڈل کرتے ہیں۔
• OCR کوالٹی اسکورنگ گیٹس AI نکالنے - کم معیار کے اسکینز پروسیسنگ جاری رہنے سے پہلے دوبارہ اسکین کی درخواست کو متحرک کرتے ہیں۔
• نکالنے کی تہہ تمام دستاویز کی شکلوں میں زیادہ سے زیادہ درستگی کے لیے لے آؤٹ تجزیہ، نام کی ہستی کی شناخت، اور LLM پر مبنی تجزیہ کا مجموعہ استعمال کرتی ہے۔
• تصدیق کی مہارتیں آپ کے ERP تک پہنچنے سے پہلے سپلائی کرنے والے ماسٹر ریکارڈز، PO نمبرز، ٹیکس کوڈز، اور کاروباری قواعد کے خلاف نکالے گئے ڈیٹا کو چیک کرتی ہیں۔
• مستثنیٰ ہینڈلنگ راستوں سے انسانوں کو صرف حقیقی طور پر مبہم دستاویزات - ایجنٹ اپنے بہترین اندازے کے ساتھ پہلے سے بھرا ہوا فارم فراہم کرتا ہے تاکہ انسان دوبارہ داخل ہونے کے بجائے صرف تصدیق کرے۔
• پائپ لائن 300 سے زیادہ دستاویزات کی اقسام کو باکس سے باہر ہینڈل کرتی ہے۔ اپنی مرضی کے سانچوں کو کم کوڈ سکیما ایڈیٹر کے ذریعے شامل کیا جا سکتا ہے۔
• صاف دستاویزات کے لیے دستاویز کی رسید سے ERP اندراج کی اوسط 90 سیکنڈ سے کم کے آخر سے آخر تک تاخیر۔
• ECOSIRE Odoo، SAP، QuickBooks، اور حسب ضرورت ERPs کے ساتھ مربوط OpenClaw دستاویز پراسیسنگ پائپ لائنز بناتا اور اس کا انتظام کرتا ہے۔

---

دستاویز پروسیسنگ آرکیٹیکچر کا جائزہ

ایک پیداوار OpenClaw دستاویز کی پروسیسنگ پائپ لائن چھ مراحل پر مشتمل ہوتی ہے، ہر ایک کو ایک یا زیادہ مہارتوں کے طور پر لاگو کیا جاتا ہے:

Document Ingestion
        ↓
[ Classifier Agent ]     — document type detection, routing
        ↓
[ Extraction Agent ]     — OCR + structured data extraction
        ↓
[ Validation Agent ]     — business rule validation, master data lookup
        ↓
[ Enrichment Agent ]     — GL coding, cost center assignment, approver lookup
        ↓
[ Integration Agent ]    — ERP/downstream system write
        ↓
[ Exception Agent ]      — handles ambiguous documents, requests human review

ہر ایجنٹ آزادانہ طور پر چلتا ہے اور ٹاسک بس کے ذریعے بات چیت کرتا ہے۔ کسی بھی مرحلے پر ناکام دستاویزات کو ایکسپشن ایجنٹ کے پاس بھیج دیا جاتا ہے بغیر اپ اسٹریم مراحل میں پہلے سے مکمل شدہ کام کو کھونے کے۔

---

دستاویز کا ادخال: ہر فارمیٹ کو قبول کرنا

دستاویزات متعدد چینلز کے ذریعے پہنچتے ہیں: ای میل منسلکات، فائل سسٹم ڈراپس، API اپ لوڈز، فیکس ٹو ای میل گیٹ ویز، اور وینڈر پورٹلز۔ ادخال کی پرت ان سب کو ایک معیاری دستاویز کے کام میں معمول بناتی ہے۔

export const DocumentIngester = defineSkill({
  name: "document-ingester",
  tools: ["email", "storage", "queue"],
  async run({ input, tools }) {
    let rawFile: Buffer;
    let mimeType: string;

    if (input.source === "email") {
      const attachment = await tools.email.getAttachment(input.emailId, input.attachmentIndex);
      rawFile = attachment.buffer;
      mimeType = attachment.mimeType;
    } else if (input.source === "storage") {
      rawFile = await tools.storage.get(input.storageKey);
      mimeType = detectMimeType(rawFile);
    }

    // Normalize to PDF for consistent downstream processing
    const normalizedPdf = mimeType === "application/pdf"
      ? rawFile
      : await convertToPdf(rawFile, mimeType);

    const storageKey = `incoming/${Date.now()}-${generateId()}.pdf`;
    await tools.storage.put(storageKey, normalizedPdf);

    return {
      storageKey,
      originalSource: input.source,
      originalMimeType: mimeType,
      pagCount: await getPdfPageCount(normalizedPdf),
    };
  },
});

نارملائزیشن کا مرحلہ ورڈ دستاویزات، ایکسل فائلز، امیج فائلز (JPEG، PNG، TIFF) اور ای میل ایچ ٹی ایم ایل باڈیز کو نیچے کی طرف جانے سے پہلے PDF میں تبدیل کرتا ہے۔ ڈاؤن اسٹریم ایجنٹس صرف پی ڈی ایف وصول کرتے ہیں— یہ ڈرامائی طور پر OCR اور ترتیب کے تجزیہ کو آسان بناتا ہے۔

---

دستاویز کی درجہ بندی: یہ جاننا کہ آپ کے پاس کیا ہے۔

نکالنے کے شروع ہونے سے پہلے، کلاسیفائر ایجنٹ دستاویز کی قسم کی شناخت کرتا ہے۔ درجہ بندی اہمیت رکھتی ہے کیونکہ مختلف دستاویز کی اقسام کے لیے مختلف نکالنے کے سانچوں کی ضرورت ہوتی ہے—ایک رسید ڈیلیوری کی رسید کی طرح کچھ نہیں لگتی۔

درجہ بندی کرنے والا دو مرحلے کا طریقہ استعمال کرتا ہے:

مرحلہ 1 — لے آؤٹ تجزیہ: دستاویز کی بصری ساخت (ٹیبل پوزیشنز، ہیڈر بلاکس، فوٹر پیٹرن، لوگو پلیسمنٹ) کا تجزیہ کیا جاتا ہے تاکہ دستاویز کے زمرے کو امیدواروں کے ایک چھوٹے سیٹ تک محدود کیا جا سکے۔

مرحلہ 2 — مواد کی درجہ بندی: متن میں کلیدی جملے اور ساختی نمونے مخصوص دستاویز کی قسم کی تصدیق کرتے ہیں۔ درجہ بندی کرنے والا ایک قسم کا لیبل اور اعتماد کا سکور تیار کرتا ہے۔

export const ClassifyDocument = defineSkill({
  name: "classify-document",
  tools: ["storage", "classification-model"],
  async run({ input, tools }) {
    const pdfBuffer = await tools.storage.get(input.storageKey);
    const layoutFeatures = await extractLayoutFeatures(pdfBuffer);
    const textContent = await performOcr(pdfBuffer, { mode: "fast" });

    const classification = await tools.classificationModel.classify({
      layoutFeatures,
      textContent: textContent.slice(0, 2000), // First 2000 chars for speed
    });

    if (classification.confidence < 0.70) {
      return {
        type: "unknown",
        confidence: classification.confidence,
        requiresManualClassification: true,
      };
    }

    return {
      type: classification.label,
      confidence: classification.confidence,
      requiresManualClassification: false,
      extractionTemplate: TEMPLATE_MAP[classification.label],
    };
  },
});

عام دستاویزات کی اقسام اور ان کے نکالنے کے سانچے پہلے سے بنائے گئے ہیں: وینڈر انوائسز، کریڈٹ میمو، خریداری کے آرڈرز، ڈیلیوری نوٹ، بینک اسٹیٹمنٹس، معاہدے، اخراجات کی رپورٹس، اور کسٹم ڈیکلریشن۔ کوڈ میں تبدیلی کے بغیر ٹیمپلیٹ ایڈیٹر کے ذریعے دستاویز کی نئی اقسام شامل کی جا سکتی ہیں۔

---

OCR اور نکالنا: درست طریقے سے ڈیٹا حاصل کرنا

ایکسٹریکشن ایجنٹ وہ جگہ ہے جہاں زیادہ تر تکنیکی پیچیدگی رہتی ہے۔ یہ OCR آؤٹ پٹ کو ترتیب کے تجزیہ اور LLM پر مبنی تجزیہ کے ساتھ جوڑتا ہے تاکہ غیر ساختہ دستاویزات سے سٹرکچرڈ ڈیٹا تیار کیا جا سکے۔

AI نکالنا شروع ہونے سے پہلے OCR معیار کا اندازہ لگایا جاتا ہے۔ اگر او سی آر سے کریکٹر کا اوسط اعتماد 0.80 سے کم ہے (ایک دھندلا اسکین، کم ریزولیوشن، یا ترچھا صفحہ ظاہر کرتا ہے)، تو ایجنٹ ناقابل بھروسہ متن کے ساتھ آگے بڑھنے کے بجائے دوبارہ اسکین کے لیے دستاویز کو جھنڈا لگاتا ہے۔

OCR کوالٹی چیک پاس کرنے والی دستاویزات کے لیے، نکالنے کی کارروائی تین پاسوں میں ہوتی ہے:

پاس 1 — ٹیمپلیٹ میچنگ: معروف وینڈرز اور دستاویز فارمیٹس کے لیے، ایکسٹرکشن ٹیمپلیٹ فیلڈ پوزیشنز (کوآرڈینیٹ یا ریجیکس اینکرز) فراہم کرتا ہے۔ معلوم ذرائع سے ساختی دستاویزات کے لیے ٹیمپلیٹ کی مماثلت تیز اور درست ہے۔

پاس 2 — نام شدہ ہستی کی شناخت: NER رقموں، تاریخوں، پتے، شناخت کنندگان (انوائس نمبرز، PO نمبرز، VAT نمبرز) اور لائن آئٹم کی حدود کی شناخت کرتا ہے جو ٹیمپلیٹ سے مماثلت سے محروم ہیں۔

پاس 3 — ایل ایل ایم ریزننگ: مبہم فیلڈز کے لیے یا جب پہلے دو پاس کم اعتماد والی اقدار پیدا کرتے ہیں، تو ایل ایل ایم درست قدر کا اندازہ لگانے کے لیے ارد گرد کے متن کے سیاق و سباق کو پارس کرتا ہے۔

export const ExtractInvoiceData = defineSkill({
  name: "extract-invoice-data",
  tools: ["storage", "ocr-service", "llm"],
  async run({ input, tools, memory }) {
    const buffer = await tools.storage.get(input.storageKey);
    const ocrResult = await tools.ocrService.extract(buffer, { enhanceScannedPages: true });

    if (ocrResult.averageConfidence < 0.80) {
      return { success: false, reason: "LOW_OCR_QUALITY", ocrConfidence: ocrResult.averageConfidence };
    }

    // Pass 1: Template matching
    const templateFields = applyTemplate(ocrResult, input.extractionTemplate);

    // Pass 2: NER for missing fields
    const nerFields = await extractWithNer(ocrResult.text, { fieldTypes: ["amount", "date", "id"] });

    // Pass 3: LLM for remaining low-confidence fields
    const lowConfidenceFields = mergeAndFindGaps(templateFields, nerFields, { minConfidence: 0.85 });
    const llmFields = lowConfidenceFields.length > 0
      ? await tools.llm.extractFields(ocrResult.text, lowConfidenceFields)
      : {};

    const extracted = mergeExtractions(templateFields, nerFields, llmFields);
    await memory.working.set("extractedData", extracted);

    return { success: true, data: extracted, fieldConfidences: getFieldConfidences(extracted) };
  },
});

---

توثیق: آپ کے ERP تک پہنچنے سے پہلے غلطیوں کو پکڑنا

خام نکالا گیا ڈیٹا کبھی بھی براہ راست آپ کے ERP پر نہیں لکھا جاتا ہے۔ تصدیقی ایجنٹ کچھ بھی پوسٹ کرنے سے پہلے آپ کے کاروباری قواعد اور ماسٹر ڈیٹا کے خلاف ہر فیلڈ کو چیک کرتا ہے۔

وینڈر انوائس کی توثیق کی جانچ میں شامل ہیں:

• وینڈر موجود ہے: سپلائر کا نام اور VAT نمبر وینڈر ماسٹر کے ریکارڈ سے مماثل ہے۔
• PO مماثلت: انوائس پر PO نمبر ایک کھلے PO سے ملتا ہے، اور رقوم رواداری کے اندر ہوتی ہیں (عام طور پر انوائسنگ لچک کے لیے ±5%)۔
• ڈپلیکیٹ کا پتہ لگانا: اس وینڈر کے انوائس نمبر پر پچھلے 180 دنوں میں کارروائی نہیں ہوئی ہے۔
• ٹیکس کیلکولیشن: لائن آئٹم کا مجموعہ جمع ٹیکس انوائس کی کل کے برابر، راؤنڈنگ رواداری کے اندر۔
• کرنسی اور شرح مبادلہ: غیر ملکی کرنسی کی رسیدیں انوائس کی تاریخ کے لیے شرح مبادلہ کے مقابلے میں درست کی جاتی ہیں۔
• GL مدت: انوائس کی تاریخ کھلی اکاؤنٹنگ مدت میں آتی ہے۔

export const ValidateInvoice = defineSkill({
  name: "validate-invoice",
  tools: ["erp", "vendor-master"],
  async run({ input, tools }) {
    const errors: ValidationError[] = [];

    // Vendor validation
    const vendor = await tools.vendorMaster.findByVatNumber(input.data.vendorVat);
    if (!vendor) errors.push({ field: "vendorVat", code: "VENDOR_NOT_FOUND" });

    // PO match
    if (input.data.poNumber) {
      const po = await tools.erp.getPurchaseOrder(input.data.poNumber);
      if (!po) errors.push({ field: "poNumber", code: "PO_NOT_FOUND" });
      else if (Math.abs(po.totalAmount - input.data.totalAmount) / po.totalAmount > 0.05) {
        errors.push({ field: "totalAmount", code: "PO_AMOUNT_MISMATCH" });
      }
    }

    // Duplicate check
    const isDuplicate = await tools.erp.invoiceExists({
      vendorId: vendor?.id,
      invoiceNumber: input.data.invoiceNumber,
    });
    if (isDuplicate) errors.push({ field: "invoiceNumber", code: "DUPLICATE_INVOICE" });

    return {
      valid: errors.length === 0,
      errors,
      validatedData: errors.length === 0 ? input.data : null,
    };
  },
});

دستاویز کو خاموشی سے چھوڑنے کے بجائے توثیق کی ناکامی استثناء ایجنٹ تک پہنچ جاتی ہے۔ Exception Agent ایک جائزہ ٹاسک تخلیق کرتا ہے جو پہلے سے نکالے گئے ڈیٹا اور تصدیق کی مخصوص غلطیوں کے ساتھ ہوتا ہے، تاکہ ایک انسان صرف جھنڈے والے فیلڈز کو درست کر سکے۔

---

افزودگی: کاروباری سیاق و سباق شامل کرنا

صاف، توثیق شدہ ڈیٹا کو ERP پر پوسٹ کرنے سے پہلے کاروباری سیاق و سباق کی ضرورت ہوتی ہے۔ افزودگی ایجنٹ وہ معلومات شامل کرتا ہے جو دستاویزات میں نہیں ہوتی ہیں: GL اکاؤنٹ کوڈز، لاگت سینٹر اسائنمنٹس، ٹیکس ٹریٹمنٹ کوڈز، منظوری کے ورک فلو اسائنمنٹس، اور ادائیگی کی شرائط۔

افزودگی کے قوانین کی وضاحت پالیسی اسٹور میں کی جاتی ہے اور یہ وینڈر کی خصوصیات، لائن آئٹم کی تفصیل، ڈیپارٹمنٹ، پروجیکٹ کوڈز، اور رقم کی حد کا حوالہ دے سکتے ہیں۔ افزودگی کے سب سے زیادہ اصول تعییناتی نظر آتے ہیں۔ مبہم معاملات کے لیے (تفصیل کے ساتھ لائن آئٹمز جو ایک سے زیادہ GL اکاؤنٹس کا نقشہ بنا سکتے ہیں)، LLM وضاحت کے ساتھ تجویز کردہ درجہ بندی کی فہرست فراہم کرتا ہے۔

---

ERP انٹیگریشن: پہلی بار درست طریقے سے ڈیٹا لکھنا

انٹیگریشن ایجنٹ کی پوسٹس نے آپ کے ERP میں ڈیٹا کی توثیق کی ہے۔ یہ اصل دستاویز کے ہیش سے اخذ کردہ ایک ارتباطی ID کے ساتھ idempotent API کالز کا استعمال کرتا ہے — اگر ERP لکھنے کی دوبارہ کوشش کی جاتی ہے (نیٹ ورک ٹائم آؤٹ کی وجہ سے)، ڈپلیکیٹ ریکارڈز کو روکا جاتا ہے۔

export const PostToErp = defineSkill({
  name: "post-to-erp",
  tools: ["erp"],
  async run({ input, tools }) {
    const correlationId = hashDocument(input.storageKey);

    const result = await tools.erp.createVendorBill({
      correlationId, // ERP uses this for idempotency
      vendorId: input.enrichedData.vendorId,
      invoiceNumber: input.enrichedData.invoiceNumber,
      invoiceDate: input.enrichedData.invoiceDate,
      lineItems: input.enrichedData.lineItems,
      taxLines: input.enrichedData.taxLines,
      paymentTerms: input.enrichedData.paymentTerms,
      glCodes: input.enrichedData.glCodes,
    });

    return {
      erpRecordId: result.id,
      erpRecordUrl: result.url,
      posted: true,
    };
  },
});

پوسٹ کرنے کے بعد، اصل دستاویز کو ERP ریکارڈ سے منسلک کیا جاتا ہے اور مکمل میٹا ڈیٹا کے ساتھ آپ کے دستاویز کے انتظام کے نظام میں محفوظ کیا جاتا ہے۔ آڈٹ ٹریل مکمل ہو گیا ہے: ای میل منسلکہ یا فائل ڈراپ سے لے کر ہر پروسیسنگ مرحلے کے ذریعے حتمی ERP اندراج تک۔

---

استثنیٰ ہینڈلنگ: ہیومن ان دی لوپ جب یہ اہمیت رکھتا ہے۔

ہر دستاویز کو صاف ستھرا عمل نہیں کیا جائے گا۔ استثنیٰ ایجنٹ مستثنیات کی چار اقسام کو سنبھالتا ہے:

1. درجہ بندی کی ناکامیاں: دستاویز کی قسم کا تعین کافی اعتماد کے ساتھ نہیں کیا جا سکا۔
2. نکالنے میں ناکامیاں: اہم فیلڈز (کل رقم، وینڈر ID، انوائس نمبر) کو نکالا نہیں جا سکا۔
3. توثیق میں ناکامیاں: نکالا گیا ڈیٹا کاروباری اصولوں کی جانچ کو پاس نہیں کرتا ہے۔
4. انضمام کی ناکامیاں: ERP نے پوسٹنگ کو مسترد کر دیا (مثلاً، بند اکاؤنٹنگ پیریڈ، اکاؤنٹ لاک)۔

ہر استثنیٰ کے لیے، ایجنٹ آپ کے ہیلپ ڈیسک یا ورک فلو سسٹم میں پہلے سے بھرے ہوئے فارم کے ساتھ ایک جائزہ ٹاسک بناتا ہے جس میں ایجنٹ کی بہترین کوشش اور مخصوص غلطی ظاہر ہوتی ہے۔ انسان صرف ناکام فیلڈز کو درست کرتا ہے اور منظوری دیتا ہے — ایجنٹ دوبارہ جمع کرانے کو سنبھالتا ہے۔

---

اکثر پوچھے گئے سوالات

درست OCR کے لیے کون سی دستاویز کی ریزولیوشن درکار ہے؟

پرنٹ شدہ دستاویزات کے لیے، 150 DPI قابل قبول OCR نتائج کے لیے کم از کم ہے۔ قابل اعتماد نکالنے کے لیے 300 DPI کی سفارش کی جاتی ہے۔ ہاتھ سے لکھی ہوئی دستاویزات یا بہت چھوٹے فونٹ سائز والی دستاویزات کے لیے، 400 DPI یا اس سے زیادہ کو ترجیح دی جاتی ہے۔ OCR کوالٹی اسسمنٹ اسکل دستاویزات کو نکالنے کے شروع ہونے سے پہلے حد سے نیچے جھنڈا لگاتا ہے، جس سے از خود دوبارہ اسکین کی درخواست شروع ہوجاتی ہے۔

سسٹم کثیر صفحاتی دستاویزات کو کیسے ہینڈل کرتا ہے؟

متعدد صفحات پر مشتمل دستاویزات پر صفحہ کی حد کا پتہ لگانے کے ساتھ کارروائی کی جاتی ہے۔ انوائسز کے لیے، ایجنٹ ہیڈر صفحہ، لائن آئٹم کے صفحات، اور کسی بھی تسلسل والے صفحات کی شناخت کرتا ہے۔ صفحوں کے وقفوں پر پھیلے ہوئے لائن آئٹمز کو لے آؤٹ تجزیہ پرت کے ذریعے درست طریقے سے دوبارہ تشکیل دیا جاتا ہے۔ دیگر دستاویزات کی اقسام (معاہدے، رپورٹس) کے لیے ایجنٹ تمام صفحات پر کارروائی کرتا ہے اور ہر صفحہ سے نکالے گئے فیلڈز کو جمع کرتا ہے۔

کیا نظام انسانوں کی طرف سے کی گئی اصلاحات سے سیکھ سکتا ہے؟

جی ہاں جب کوئی انسان استثنیٰ دستاویز کو درست کرتا ہے، تو اصلاح کو نالج ایجنٹ کو واپس کر دیا جاتا ہے۔ اگر ایک ہی تصحیح کا نمونہ تین سے زیادہ بار ظاہر ہوتا ہے (مثال کے طور پر، ایک نیا وینڈر ہمیشہ اپنے انوائس کو غیر معیاری طریقے سے فارمیٹ کرتا ہے)، سسٹم خود بخود اس وینڈر کے لیے ایک نیا نکالنے کا سانچہ تجویز کرتا ہے۔ ایک منتظم مجوزہ ٹیمپلیٹ کا جائزہ لیتا ہے اور اس کی منظوری دیتا ہے، اور سسٹم اسے اس مقام سے آگے اس وینڈر کے لیے انسانی جائزے کے بغیر لاگو کرتا ہے۔

ہاتھ سے لکھی ہوئی دستاویزات کو کیسے ہینڈل کیا جاتا ہے؟

ہاتھ سے لکھی ہوئی دستاویزات سب سے مشکل زمرہ ہیں۔ OCR پرت ان دستاویزات کے لیے ہینڈ رائٹنگ ریکگنیشن ماڈل کا استعمال کرتی ہے، اور AI نکالنے کے لیے اعتماد کی حد زیادہ ہے (0.90 بمقابلہ 0.80 پرنٹ شدہ دستاویزات کے لیے)۔ عملی طور پر، زیادہ تر انٹرپرائز دستاویز کے ورک فلو عمل میں تبدیلیوں (الیکٹرانک جمع کرانے والے پورٹلز، ڈیجیٹل دستخطی ورک فلوز) کے ذریعے ہاتھ سے لکھے ہوئے دستاویزات کو ختم کر سکتے ہیں۔ ایسی تنظیموں کے لیے جنہیں ہاتھ سے لکھے ہوئے دستاویزات پر کارروائی کرنی چاہیے، ECOSIRE ہینڈ رائٹنگ سے زیادہ بھاری دستاویزات کے لیے انسانی جائزے کے ساتھ ایک ہائبرڈ نقطہ نظر کی سفارش کرتا ہے۔

نکالنے کے لیے کون سی زبانیں معاون ہیں؟

OpenClaw کی دستاویز پروسیسنگ OCR کے لیے 40+ زبانوں کو سپورٹ کرتی ہے، انگریزی، جرمن، فرانسیسی، ہسپانوی، عربی، چینی (آسان اور روایتی)، جاپانی اور پرتگالی میں بڑے کاروباری دستاویز فارمیٹس کے لیے توثیق شدہ ایکسٹرکشن ٹیمپلیٹس کے ساتھ۔ دوسری زبانوں کے لیے، OCR کام کرتا ہے لیکن ایکسٹرکشن ٹیمپلیٹ کا معیار آپ کے دستاویز کے نمونے کے سیٹ پر منحصر ہے۔ LLM استدلال کی پرت بہت سی زبانوں کو مقامی طور پر ہینڈل کرتی ہے۔

دستاویز کی رازداری کیسے برقرار رکھی جاتی ہے؟

دستاویزات ٹرانزٹ (TLS 1.3) میں اور باقی (AES-256) میں خفیہ کردہ ہیں۔ ہر دستاویز پر ایک الگ تھلگ سیاق و سباق میں کارروائی کی جاتی ہے — تنظیموں کے درمیان کسی دستاویز کے مواد کا اشتراک نہیں کیا جاتا ہے۔ انتہائی حساس دستاویزات (قانونی معاہدوں، مالیاتی بیانات) کے لیے، آپ دستاویز کے مواد کو مکمل طور پر اپنے نیٹ ورک کے دائرے میں رکھتے ہوئے، استدلال پرت کے لیے ایک آن پریمیس LLM استعمال کرنے کے لیے پائپ لائن کو ترتیب دے سکتے ہیں۔

انوائس پروسیسنگ کے لیے عام درستگی کی شرح کیا ہے؟

ٹیمپلیٹ کی مماثلت کے ساتھ معروف وینڈرز کی ساختی رسیدوں کے لیے، ٹیمپلیٹ کیلیبریشن کے بعد فیلڈ لیول کی درستگی عام طور پر 99.5% سے تجاوز کر جاتی ہے۔ نئے وینڈرز سے غیر منظم رسیدوں کے لیے، درستگی عام طور پر پہلی کوشش میں 95-98% ہوتی ہے، جیسا کہ سسٹم وینڈر کی شکل سیکھتا ہے اس میں بہتری آتی ہے۔ ٹریک کرنے کے لیے کلیدی میٹرک استثنیٰ کی شرح ہے — اچھی طرح سے ترتیب دی گئی پائپ لائنیں دستاویز کے کل حجم کے 5% سے کم استثناء کی شرحیں دیکھتی ہیں۔

---

اگلے اقدامات

دستی دستاویز کی پروسیسنگ ایک لاگت کا مرکز ہے جس میں کوئی مسابقتی قیمت شامل نہیں ہوتی ہے۔ OpenClaw ڈاکومنٹ پروسیسنگ آٹومیشن اسے عملے پر مشتمل آپریشن سے ایک خودکار پائپ لائن میں تبدیل کرتی ہے جو آپ کے دستاویز کے حجم کا 95%+ انسانی مداخلت کے بغیر ہینڈل کرتی ہے۔

ECOSIRE کی OpenClaw نفاذ ٹیم Odoo, SAP, QuickBooks اور حسب ضرورت ERPs کے ساتھ مربوط دستاویز کی پروسیسنگ پائپ لائنز بنانے میں مہارت رکھتی ہے۔ ہم دستاویز کی درجہ بندی کے سانچے کے ڈیزائن، OCR کیلیبریشن، توثیق کے اصول کی ترتیب، ERP انضمام، اور استثنائی ورک فلو سیٹ اپ کو ہینڈل کرتے ہیں— چھ سے آٹھ ہفتوں میں پیداوار کے لیے تیار نظام کی فراہمی۔

اپنے موجودہ آپریشن کے دستاویز پراسیسنگ آڈٹ کے ساتھ شروع کرنے کے لیے ECOSIRE سے رابطہ کریں۔