document-extraction

文档提取

概述

此技能提供了一套结构化方法，用于使用 ServiceNow Document Intelligence 从文档中提取结构化数据。它可以帮助你：

• 在 sn_doc_template 中配置和管理不同文档类型（发票、合同、表单、采购订单）的提取模板
• 通过 sn_doc_intelligence_extraction 管道提交文档进行提取
• 在 sn_doc_intelligence_field_map 中定义字段映射，将提取的数据映射到 ServiceNow 表字段
• 检查并验证 sn_doc_intelligence_extraction_result 中的提取结果
• 设置验证规则，确保数据质量并标记置信度较低的提取结果
• 处理提取失败，并重新训练模型以提升准确性

适用场景： 当你需要大规模处理文档（批量处理发票、提取合同元数据、表单数字化）、从文档中手动录入数据容易出错或耗时较长，或需要建立新的文档处理管道时。

所需插件： com.sn_doc_intelligence

前提条件

• 角色： sn_doc_intelligence_admin、sn_doc_intelligence_user 或 admin
• 访问权限： 对 sn_doc_intelligence_extraction、sn_doc_template、sn_doc_intelligence_field_map 和 sys_attachment 表具有读写权限
• 知识： 了解待处理的文档类型、字段布局，以及用于存储提取数据的目标 ServiceNow 表
• 插件： 必须激活 Document Intelligence（com.sn_doc_intelligence）
• 文档： 源文档必须采用支持的格式（PDF、PNG、JPG、TIFF）

操作步骤

第 1 步：查看可用的提取模板

检查实例中已配置的文档提取模板。

使用 MCP（Claude Code/Desktop）：

Tool: SN-Query-Table
Parameters:
  table_name: sn_doc_template
  query: active=true
  fields: sys_id,name,description,document_type,target_table,state,extraction_model,confidence_threshold,field_count
  limit: 50
  order_by: name

使用 REST API：

GET /api/now/table/sn_doc_template?sysparm_query=active=true^ORDERBYname&sysparm_fields=sys_id,name,description,document_type,target_table,state,extraction_model,confidence_threshold,field_count&sysparm_limit=50&sysparm_display_value=true

常见模板类型：

文档类型	目标表	用途
发票	sn_proc_invoice	应付账款发票处理
采购订单	proc_po	采购订单数据录入
合同	ast_contract	合同元数据提取
W-9 / 纳税表	core_company	供应商税务信息
身份证件	sys_user	身份验证
保险凭证	ast_contract	COI 跟踪
工单	wm_order	现场服务文档

第 2 步：创建或配置提取模板

如果尚无适用于文档类型的模板，请创建一个。

使用 MCP：

Tool: SN-Create-Record
Parameters:
  table_name: sn_doc_template
  fields:
    name: "Vendor Invoice Template"
    description: "Extracts header and line-item data from vendor invoices for accounts payable processing"
    document_type: invoice
    target_table: sn_proc_invoice
    confidence_threshold: 0.85
    active: true
    state: draft

使用 REST API：

POST /api/now/table/sn_doc_template
Content-Type: application/json

{
  "name": "Vendor Invoice Template",
  "description": "Extracts header and line-item data from vendor invoices",
  "document_type": "invoice",
  "target_table": "sn_proc_invoice",
  "confidence_threshold": "0.85",
  "active": "true",
  "state": "draft"
}

第 3 步：定义字段映射

为每个提取模板将文档字段映射到 ServiceNow 表列。

使用 MCP：

Tool: SN-Create-Record
Parameters:
  table_name: sn_doc_intelligence_field_map
  fields:
    template: [template_sys_id]
    source_field: "Invoice Number"
    target_table: sn_proc_invoice
    target_field: number
    field_type: string
    required: true
    validation_regex: "^INV-[0-9]{4,10}$"
    order: 100

对每个字段映射重复此操作：

源字段（文档）	目标字段（表）	类型	必填	验证
发票编号	number	字符串	是	匹配模式
发票日期	invoice_date	日期	是	日期有效
到期日	due_date	日期	是	晚于发票日期
供应商名称	vendor	引用	是	匹配 core_company
PO 编号	po_number	字符串	否	匹配 proc_po
小计	subtotal	货币	是	正数
税额	tax	货币	否	非负数
总金额	invoice_amount	货币	是	subtotal + tax
行项目描述	line_items.description	字符串	是	非空
行项目数量	line_items.quantity	整数	是	正整数
行项目单价	line_items.unit_price	货币	是	正数

使用 REST API：

POST /api/now/table/sn_doc_intelligence_field_map
Content-Type: application/json

{
  "template": "[template_sys_id]",
  "source_field": "Invoice Number",
  "target_table": "sn_proc_invoice",
  "target_field": "number",
  "field_type": "string",
  "required": "true",
  "validation_regex": "^INV-[0-9]{4,10}$",
  "order": "100"
}

第 4 步：提交文档进行提取

创建提取请求，通过管道处理文档。

使用 MCP：

Tool: SN-Create-Record
Parameters:
  table_name: sn_doc_intelligence_extraction
  fields:
    template: [template_sys_id]
    source_document: [attachment_sys_id]
    document_type: invoice
    state: submitted
    priority: 3
    requested_by: [user_sys_id]
    short_description: "Extract data from vendor invoice INV-2026-0456"

使用 REST API：

POST /api/now/table/sn_doc_intelligence_extraction
Content-Type: application/json

{
  "template": "[template_sys_id]",
  "source_document": "[attachment_sys_id]",
  "document_type": "invoice",
  "state": "submitted",
  "priority": "3",
  "requested_by": "[user_sys_id]",
  "short_description": "Extract data from vendor invoice INV-2026-0456"
}

如需批量处理，请提交多个文档：

# Iterate over attachments and create extraction records
for attachment_id in [list_of_attachment_sys_ids]; do
  curl -X POST "https://[instance].service-now.com/api/now/table/sn_doc_intelligence_extraction" \
    -H "Content-Type: application/json" \
    -d "{\"template\":\"[template_sys_id]\",\"source_document\":\"$attachment_id\",\"document_type\":\"invoice\",\"state\":\"submitted\"}"
done

步骤 5：监控提取进度

跟踪已提交提取请求的状态。

使用 MCP：

Tool: SN-Query-Table
Parameters:
  table_name: sn_doc_intelligence_extraction
  query: state=submitted^ORstate=processing^ORstate=review
  fields: sys_id,number,short_description,state,template,document_type,source_document,confidence_score,sys_created_on,error_message
  limit: 50
  order_by: sys_created_on

使用 REST API：

GET /api/now/table/sn_doc_intelligence_extraction?sysparm_query=state=submitted^ORstate=processing^ORstate=review^ORDERBYDESCsys_created_on&sysparm_fields=sys_id,number,short_description,state,template,document_type,source_document,confidence_score,sys_created_on,error_message&sysparm_limit=50&sysparm_display_value=true

步骤 6：检查提取结果

检查提取的数据以及每个字段的置信度分数。

使用 MCP：

Tool: SN-Query-Table
Parameters:
  table_name: sn_doc_intelligence_extraction_result
  query: extraction=[extraction_sys_id]
  fields: sys_id,field_name,extracted_value,confidence_score,validation_status,mapped_field,needs_review
  limit: 100
  order_by: order

使用 REST API：

GET /api/now/table/sn_doc_intelligence_extraction_result?sysparm_query=extraction=[extraction_sys_id]^ORDERBYorder&sysparm_fields=sys_id,field_name,extracted_value,confidence_score,validation_status,mapped_field,needs_review&sysparm_limit=100&sysparm_display_value=true

根据以下阈值评估结果：

置信度级别	所需操作
>= 0.95	自动接受；无需审核
0.85 - 0.94	接受并抽查
0.70 - 0.84	需要人工审核
< 0.70	标记为重新提取或手动录入

步骤 7：验证并更正提取的数据

对于需要审核的字段，请更新提取结果。

使用 MCP：

Tool: SN-Update-Record
Parameters:
  table_name: sn_doc_intelligence_extraction_result
  sys_id: [result_sys_id]
  data:
    extracted_value: "INV-2026-0456"
    validation_status: validated
    needs_review: false
    reviewer_notes: "Corrected invoice number; OCR misread '0' as 'O'"

使用 REST API：

PATCH /api/now/table/sn_doc_intelligence_extraction_result/[result_sys_id]
Content-Type: application/json

{
  "extracted_value": "INV-2026-0456",
  "validation_status": "validated",
  "needs_review": "false",
  "reviewer_notes": "Corrected invoice number; OCR misread '0' as 'O'"
}

步骤 8：完成提取并填充目标记录

验证所有字段后，将提取标记为完成，并创建或更新目标记录。

使用 MCP：

Tool: SN-Update-Record
Parameters:
  table_name: sn_doc_intelligence_extraction
  sys_id: [extraction_sys_id]
  data:
    state: completed
    work_notes: "Extraction validated. 12/14 fields auto-accepted (>95% confidence). 2 fields manually corrected. Target record created in sn_proc_invoice."

使用提取的数据创建目标记录：

Tool: SN-Create-Record
Parameters:
  table_name: sn_proc_invoice
  fields:
    number: "INV-2026-0456"
    vendor: [vendor_sys_id]
    invoice_date: "2026-03-15"
    due_date: "2026-04-14"
    invoice_amount: "15750.00"
    po_number: "PO0012345"
    state: pending
    source: document_intelligence
    work_notes: "Record created via Document Intelligence extraction [extraction_number]"

使用 REST API：

PATCH /api/now/table/sn_doc_intelligence_extraction/[extraction_sys_id]
Content-Type: application/json

{
  "state": "completed",
  "work_notes": "Extraction validated. Target record created."
}

工具用法

MCP 工具参考

工具	适用场景
SN-Natural-Language-Search	根据描述查找提取记录或模板
SN-Query-Table	查询模板、提取记录、结果和字段映射
SN-Get-Record	获取特定的提取记录或模板记录
SN-Create-Record	创建模板、字段映射和提取请求
SN-Update-Record	更新提取状态、验证结果并更正数据
SN-Add-Work-Notes	记录提取结果和处理备注

REST API 参考

端点	方法	用途
/api/now/table/sn_doc_template	GET/POST	查询或创建提取模板
/api/now/table/sn_doc_intelligence_field_map	GET/POST	查询或创建字段映射
/api/now/table/sn_doc_intelligence_extraction	GET/POST/PATCH	管理提取请求
/api/now/table/sn_doc_intelligence_extraction_result	GET/PATCH	检查并更正提取结果
/api/now/table/sys_attachment	GET	查询文档附件
/api/now/attachment/{sys_id}/file	GET	下载源文档

最佳实践

• 每种文档类型使用一个模板： 为每种文档格式创建单独的模板；对于高处理量的供应商，使用供应商专属模板的表现会优于为所有发票使用单一模板
• 设置合适的阈值： 从 0.85 的置信度阈值开始，并根据错误率进行调整；较低的阈值可提高处理量，但需要更多人工审核
• 训练数据： 每个模板至少提供 20-30 份示例文档，以获得最佳提取准确率
• 验证规则： 使用正则表达式模式、引用查找和跨字段验证（例如，总额 = 小计 + 税额），自动发现提取错误
• 批量处理： 在非高峰时段分批提交文档，避免影响实例性能
• 监控准确率： 长期跟踪提取准确率指标；准确率低于 90% 时重新训练模型
• 处理异常： 在 sn_doc_intelligence_task 中为提取失败的文档创建提取任务，并将其分配给数据录入人员
• 安全处理： 确保文档附件符合数据保留政策；处理完成后删除临时提取产物

故障排除

“未找到提取模板”

原因： 模板未启用，或文档类型不匹配
解决方案： 使用 active=true 查询 sn_doc_template，查看可用模板。确认 document_type 字段与提交内容相匹配。

“所有字段的置信度都偏低”

原因： 文档质量较差（分辨率低、扫描件倾斜、文本为手写）或模板不匹配
解决方案： 检查文档分辨率（OCR 的最低要求为 300 DPI）。确认文档布局与模板预期一致。对于非标准格式，可考虑创建新模板。

“字段映射验证失败”

原因： 提取的值与验证正则表达式或目标字段类型不匹配
解决方案： 检查 sn_doc_intelligence_field_map 中的验证规则。调整正则表达式，以适应合理的差异（例如，不同供应商使用的发票编号格式各不相同）。

“提取卡在处理中状态”

原因： Document Intelligence 引擎超时或处理队列积压
解决方案： 检查 sn_doc_intelligence_extraction 记录中的错误消息。确认 Document Intelligence 引擎正在运行：导航至 Document Intelligence > Dashboard。如有需要，请重新提交提取任务。

“存在重复的提取记录”

原因： 同一文档被提交多次
解决方案： 提交前，使用 source_document=[attachment_sys_id]^state!=failed 查询 sn_doc_intelligence_extraction，检查是否已有提取记录。

示例

示例 1：发票数据提取

输入： 上传到 ServiceNow 的 Acme Corp PDF 发票

流程：

1. 识别模板：“Vendor Invoice Template”（sys_id：abc123）
2. 使用附件引用提交提取任务
3. 结果：提取了 14 个字段，平均置信度为 0.92
4. 有 2 个字段低于阈值：采购订单编号（0.78）、行项目描述（0.81）
5. 人工审核确认采购订单编号正确，并修正行项目描述
6. 在 sn_proc_invoice 中创建目标发票记录

示例 2：合同元数据提取

输入： 供法律审核的已签署 MSA PDF

流程：

Tool: SN-Create-Record
Parameters:
  table_name: sn_doc_intelligence_extraction
  fields:
    template: [contract_template_sys_id]
    source_document: [attachment_sys_id]
    document_type: contract
    state: submitted
    short_description: "Extract metadata from Acme Corp MSA"

提取的字段： 合同双方、生效日期、期限、总金额、管辖法律、自动续约标记、通知期限。自动填充 ast_contract 记录。

示例 3：批量处理税务表单

输入： 为供应商入驻上传的 50 份 W-9 表单

流程：

1. 查询所有未处理的 W-9 附件
2. 使用 W-9 模板提交批量提取任务
3. 监控结果：47 份成功提取，3 份需要人工审核（手写内容）
4. 在 core_company 中创建供应商记录，并填入提取的 TIN、法定名称和地址
5. 通过 sn_doc_intelligence_task 将 3 个异常项分派给数据录入团队

批量状态查询：

Tool: SN-Query-Table
Parameters:
  table_name: sn_doc_intelligence_extraction
  query: template=[w9_template_sys_id]^sys_created_on>=2026-03-19
  fields: sys_id,number,state,confidence_score,error_message
  limit: 50

相关技能

• document/smart-documents - 管理文档模板、版本控制和自动生成
• legal/contract-analysis - 分析提取的合同数据，识别风险和条款
• legal/contract-obligation-extraction - 从合同文档中提取义务
• procurement/invoice-management - 通过应付账款工作流处理提取的发票数据
• development/data-import - 将提取的数据批量导入 ServiceNow 表