Reducto

​

概要

​

主な機能

• REDUCTO_UPLOAD
  • ファイルを Reducto にアップロードし、他の Reducto ツールで使用できる reducto:// URL を取得します。
  • 入力: file_url（公開 URL または署名付き URL）、任意の extension ヒント（例: pdf、docx）。
  • 出力: file_id と reducto_url。
• REDUCTO_PARSE
  • ドキュメントをパースし、レイアウトを認識したチャンキング付きでテキスト・テーブル・図表を抽出します。
  • 入力: document_url（公開 URL、署名付き S3 URL、または reducto:// URL）に加え、chunk_mode（variable、section、page、disabled、block、page_sections。デフォルトは disabled）、chunk_size（250〜1500 文字）、table_output_format（html、json、md、jsonbbox、dynamic、csv。デフォルトは dynamic）、add_page_markers、merge_tables、ocr_system（standard / legacy）、extraction_mode（ocr / hybrid）、page_range（例: "1-5"、"1,3,5"、"1-3,7-9"）、暗号化ファイル用の document_password などのオプション。
  • 出力: job_id、num_pages、およびコンテンツブロックを含む chunks の配列。
• REDUCTO_EXTRACT
  • ユーザー定義の JSON Schema を使って、ドキュメントから特定のフィールドを構造化 JSON として抽出します。請求書、フォーム、契約書に最適です。
  • 入力: document_url、schema（JSON Schema 文字列）、任意の system_prompt、array_extract（請求書の明細行など繰り返しデータ向け）、include_images、optimize_for_latency、citations_enabled。
  • 出力: extracted_data に加え、job_id、num_pages、num_fields。
• REDUCTO_SPLIT
  • 自然言語のカテゴリ記述を使って、ドキュメントをセクションに分割します。
  • 入力: document_url、split_description（{"name": ..., "description": ...} 形式のカテゴリの JSON 配列）、任意の split_rules（自然言語による分割ルール）、table_cutoff（ページ境界のテーブルの扱い。truncate / preserve）。
  • 出力: num_pages と splits（各要素は name、pages、confidence を持つ）。

​

認証

​

例：PDF をパースして要約する

- id: upload_report
  name: upload_report
  tool: REDUCTO_UPLOAD
  config:
    - name: api_key
      value: "{{secrets.REDUCTO_API_KEY}}"
  input:
    - name: file_url
      value: "{{steps.input_file.result.url}}"
    - name: extension
      value: pdf

- id: parse_report
  name: parse_report
  tool: REDUCTO_PARSE
  config:
    - name: api_key
      value: "{{secrets.REDUCTO_API_KEY}}"
  input:
    - name: document_url
      value: "{{steps.upload_report.result.reducto_url}}"
    - name: chunk_mode
      value: page
    - name: table_output_format
      value: md
    - name: add_page_markers
      value: true

- id: summarize_report
  name: summarize_report
  tool: OPENAI_INVOKE
  config:
    - name: version
      value: gpt-4
  input:
    - name: prompt
      value: |
        以下のドキュメントを要約してください。重要な数値とテーブルを強調してください。

        {{steps.parse_report.result.chunks}}

​

例：請求書から構造化データを抽出する

- id: extract_invoice
  name: extract_invoice
  tool: REDUCTO_EXTRACT
  config:
    - name: api_key
      value: "{{secrets.REDUCTO_API_KEY}}"
  input:
    - name: document_url
      value: "https://example.com/invoice.pdf"
    - name: schema
      value: '{"type":"object","properties":{"invoice_number":{"type":"string"},"total":{"type":"number"}}}'
    - name: array_extract
      value: true

​

注意事項

• document_url には公開 URL、署名付き S3 URL、reducto:// URL を指定できます。Reducto から直接アクセスできないファイルの場合は、先に REDUCTO_UPLOAD を実行し、返された reducto_url を他のツールに渡してください。
• REDUCTO_PARSE のデフォルト: チャンキングは disabled、テーブル形式は dynamic、OCR システムは standard（多言語対応。legacy はゲルマン系言語のみ対応）、抽出モードは hybrid（OCR とネイティブテキストの組み合わせ）です。
• page_range は 1 始まりで、範囲指定とカンマ区切りの併用が可能です（例: "1-3,7-9"）。
• schema（REDUCTO_EXTRACT）と split_description（REDUCTO_SPLIT）は有効な JSON 文字列である必要があります。パースできない場合、ステップはエラーになります。
• API エラー時には、HTTP ステータスと生のレスポンスを含むエラーオブジェクトが返され、実行ログで確認できます。