Как проверить цену и количество каждой позиции счёта после AI-OCR

Перед запуском запишите, какие данные считаются входом, что является ожидаемым результатом, что именно означает отказ и кому предстоит разбирать расхождение. Для такой проверки храните тестовый вход, ожидаемый результат и фактический исход раздельно: если они смешаны, тест может подтверждать сам себя. Используйте стабильные синтетические ID, чтобы видеть ошибку в журнале, не раскрывая содержимое клиентских обращений.

Сначала прогоните тест на маленьком входе, где правильное поведение известно вручную. Затем внесите одну контролируемую ошибку и убедитесь, что код её замечает. После этого верните корректный набор и только тогда расширяйте проверку до реальных данных. Не переносите демонстрационные численные значения или пороги в производство без отдельного обоснования: они выбраны для наглядности, а не рассчитаны по вашей аудитории.

Вход и ожидаемый результат

Строка P-1: 3 единицы по 12.50, сумма 37.50; распознанная сумма 37.05 должна быть отклонена. Для P-1 вычисление 3 × 12.50 равно 37.50; 37.05 и True отклоняются. Перед тем как применять правило к закрытым данным, обсудите пограничные случаи, которые могут поменять интерпретацию входа. Запись в документации о границах теста не менее важна, чем зелёный check.

Пошаговые действия

1. Создайте scripts/check.py в корне репозитория и вставьте код из блока ниже. Он использует названия функций стандартной библиотеки, указанные в официальных ссылках в конце статьи.
2. Выполните python scripts/check.py локально. Не продолжайте, если уже демонстрационная фикстура даёт иной результат: сначала проверьте копирование кода и кодировку файла.
3. Согласуйте тип quantity и правило округления, прежде чем копировать тест. Запустите пример и отрицательные случаи: ошибочную распознанную сумму и логическое True вместо количества. Обратите внимание на строгую проверку type(qty) is int — в Python bool наследуется от int. В рабочем пайплайне сохраните изображение области позиции и поля, вызвавшего расхождение, с контролем доступа. Не редактируйте исходный документ под вычисленную сумму.
4. Создайте .github/workflows/ai-corpus-check.yml из YAML-шаблона. Событие pull_request полезно для проверки данных до слияния; чтение репозитория ограничено permissions: contents: read. Скрипт не должен получать ключ внешней модели или реальные секреты.
5. В разделе Actions откройте job check, сопоставьте его код завершения с локальным прогоном и зафиксируйте ссылку на проверенный коммит в PR. Не принимайте зелёный результат на старой ревизии за проверку последнего изменения.

# scripts/check.py
from decimal import Decimal
line={'id':'P-1','quantity':3,'unit_price':'12.50','line_total':'37.50'}
def check(row):
    qty=row['quantity']
    if type(qty) is not int or qty<=0: raise ValueError('invalid quantity')
    price=Decimal(row['unit_price']);total=Decimal(row['line_total'])
    if not price.is_finite() or not total.is_finite() or price<0: raise ValueError('amount')
    return price*qty==total
assert check(line)
assert not check({**line,'line_total':'37.05'})
try: check({**line,'quantity':True})
except ValueError: pass
else: raise AssertionError('bool accepted')
print(line['id'],'valid; OCR mismatch and bool rejected')

name: AI corpus checks
on:
  pull_request:
permissions:
  contents: read
jobs:
  check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.13'
      - run: python scripts/check.py

Ошибки интерпретации и границы

Тест не подходит без изменений для весовых товаров, скидок в строке и другой договорной политики округления. Если вы расширяете набор случаев, добавляйте не только новые примеры, но и отрицательные случаи, на которых тест обязан упасть. Проверяйте, что изменение expected прошло ревью отдельно от изменения кода: иначе можно незаметно изменить правило под текущий ответ системы. Избегайте вывода полного приватного набора в CI и не сохраняйте в артефактах ответ закрытой модели без решения о доступе и хранении.

Ошибка выполнения самого Python, нераспознанный формат входа и обнаруженный бизнес-дефект — разные ситуации. В сообщении теста указывайте тип проблемы и безопасный ID. Если тест требует внешний сервис, вынесите его из PR с недоверенным кодом и явно ограничьте доступ к токенам; этот пример намеренно работает локально. Перед публикацией каких-либо результатов опишите методику, область применения и происхождение примеров, иначе читатель воспримет демонстрационную арифметику как характеристику продукта.

Практический разбор именно этого контроля

Найти ошибку распознавания количества или цены именно в строке счёта, прежде чем сравнивать общий итог. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: Строка P-1: 3 единицы по 12.50, сумма 37.50; распознанная сумма 37.05 должна быть отклонена. При успешном тесте ожидается: Для P-1 вычисление 3 × 12.50 равно 37.50; 37.05 и True отклоняются. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Тест не подходит без изменений для весовых товаров, скидок в строке и другой договорной политики округления. Подключая проверку к продукту, расположите её до той операции, ради которой она написана: парсинга, сохранения, отображения или экспорта. Для каждого нового формата добавляйте отдельный негативный пример и письменное решение, почему он отклоняется. Отдельно просмотрите обработку ошибок: система должна отличать невалидный ответ AI от сбоя тестовой инфраструктуры, а пользователь не должен видеть сырой стек или приватное содержимое.