> ## Documentation Index > Fetch the complete documentation index at: https://docs.jinba.io/llms.txt > Use this file to discover all available pages before exploring further. # Jinbaモジュール > Jinbaモジュールを使用した高度なデータ抽出、解析、検証 ## 概要 Jinbaモジュールは、抽出・解析・ルールベースのチェックを含む、LLMを活用した強力なデータ処理機能を提供します。これらのツールはLLMでファイルを解析し、複雑なデータ変換・検証タスクを高精度かつ柔軟に処理します。 ## 主な機能 ### JINBA\_MODULES\_EXTRACT ユーザーが定義したJSON Schemaに基づき、LLMがファイルを解析して構造化データを抽出します。 | パラメータ | 型 | 必須 | 説明 | | ---------------- | ------ | --- | ---------------------------------------------------------------------------------------------------- | | `name` | string | はい | タスク名 | | `fileUrl` | string | はい | データを抽出するファイルのURL | | `dataSchema` | object | いいえ | 抽出するデータのスキーマ。有効な[JSON Schema](https://json-schema.org/understanding-json-schema/reference)である必要があります | | `extractionMode` | string | いいえ | `FAST`、`BALANCED`（デフォルト）、`QUALITY` のいずれか | 出力: `result` — `dataSchema` に沿って抽出されたデータ。 ### JINBA\_MODULES\_PARSE ファイル形式に応じてLLMが解析方法を自動調整し、内容を抽出する動的パーサーです。 | パラメータ | 型 | 必須 | 説明 | | ---------------- | ------ | --- | ------------------------------------------- | | `fileUrl` | string | はい | 解析するファイルのURL | | `outputFormat` | string | いいえ | `MARKDOWN`（デフォルト）、`TEXT`、`STRUCTURED` のいずれか | | `extractionMode` | string | いいえ | `FAST`、`BALANCED`（デフォルト）、`QUALITY` のいずれか | 出力: `result` — 解析結果の文字列。 ### JINBA\_MODULES\_CHECKER\_V2 JSONで定義したルールをもとに対象ファイルを検証する、強化版のLLMチェッカーです。v2では柔軟なルール構造、高精度な判定、判定ごとの詳細な理由提示に対応しています。 | パラメータ | 型 | 必須 | 説明 | | ---------------------- | ------ | --- | -------------------------------------------------------- | | `target_file` | string | はい | チェック対象のファイル（PDF、テキスト、JSON、XML、CSV、DOCX） | | `task` | string | はい | タスク名 | | `description` | string | いいえ | タスクの説明。特定のタスクに特化した指示を追加したい場合に使用します | | `rules` | array | いいえ | ルールオブジェクトのJSON配列（[ルール形式](#ルール形式)を参照） | | `references` | array | いいえ | 参照ファイルのURL（最大10件）。ハルシネーション抑制のため、社内規程・法的文書・RAG検索結果などを渡せます | | `additionalDataSchema` | object | いいえ | 各チェック結果に付加して返すデータを定義するJSON Schema | 出力: `result` — ルールごとのチェック結果の配列。各要素は `uniqueId`、`rule`、`status`（`accepted` / `rejected` / `pending`）、`range`、`reason`、および任意の `additionalData` を持ちます。 ## 認証 認証やツール設定は不要です。Jinbaモジュール APIの認証情報はサーバー側で管理されています。 ## 例: インテリジェント文書抽出 ```yaml theme={null} - id: upload_document name: upload_document tool: INPUT_FILE input: - name: description value: "抽出対象の文書をアップロードしてください" - id: extract_structured_data name: extract_structured_data tool: JINBA_MODULES_EXTRACT input: - name: name value: "請求書データ抽出" - name: fileUrl value: "{{steps.upload_document.result}}" - name: dataSchema value: | { "$schema": "http://json-schema.org/draft-07/schema#", "type": "object", "properties": { "invoice_number": { "type": "string", "description": "請求書番号またはID" }, "date": { "type": "string", "format": "date", "description": "請求書日付" }, "vendor": { "type": "object", "properties": { "name": {"type": "string"}, "address": {"type": "string"}, "phone": {"type": "string"}, "email": {"type": "string"} } }, "items": { "type": "array", "items": { "type": "object", "properties": { "description": {"type": "string"}, "quantity": {"type": "number"}, "unit_price": {"type": "number"}, "total": {"type": "number"} } } }, "total_amount": { "type": "number", "description": "合計請求金額" }, "tax_amount": { "type": "number", "description": "税額（存在する場合）" } }, "required": ["invoice_number", "date", "total_amount"] } - name: extractionMode value: "QUALITY" # オプション: FAST、BALANCED、QUALITY - id: validate_document name: validate_document tool: JINBA_MODULES_CHECKER_V2 input: - name: target_file value: "{{steps.upload_document.result}}" - name: task value: "請求書チェック" - name: description value: "アップロードされた請求書が以下のルールを満たしているか確認してください。" - name: rules value: | [ { "uniqueId": "invoice-001", "name": "請求書番号の存在", "description": "文書には請求書番号またはIDが含まれている必要があります。" }, { "uniqueId": "invoice-002", "name": "合計金額が正の数", "description": "合計金額は正の数である必要があります。" }, { "uniqueId": "invoice-003", "name": "有効な請求書日付", "description": "請求書日付が存在し、有効な日付形式である必要があります。" }, { "uniqueId": "invoice-004", "name": "有効なベンダーメールアドレス", "description": "ベンダーのメールアドレスが記載されている場合、有効なメール形式である必要があります。" } ] - id: process_extraction_results name: process_extraction_results tool: PYTHON_SANDBOX_RUN input: - name: code value: | import json # 抽出結果とチェック結果を処理 extracted_data = json.loads('''{{steps.extract_structured_data.result}}''') check_results = json.loads('''{{steps.validate_document.result}}''') print("文書抽出結果") print("=" * 20) # 抽出されたデータを表示 print("抽出された情報:") print(f"請求書番号: {extracted_data.get('invoice_number', 'N/A')}") print(f"日付: {extracted_data.get('date', 'N/A')}") print(f"ベンダー: {extracted_data.get('vendor', {}).get('name', 'N/A')}") print(f"合計金額: ¥{extracted_data.get('total_amount', 0):,.2f}") if 'items' in extracted_data: print(f"アイテム数: {len(extracted_data['items'])}") print("\nチェック結果:") accepted_count = sum(1 for r in check_results if r.get('status') == 'accepted') total_rules = len(check_results) print(f"合格: {accepted_count}/{total_rules}") # 不合格のルールを表示 rejected = [r for r in check_results if r.get('status') == 'rejected'] if rejected: print("\n不合格のルール:") for r in rejected: print(f" - {r.get('rule', '不明')}: {r.get('reason', '理由なし')}") else: print("すべてのルールに合格しました") - id: export_processed_data name: export_processed_data tool: OUTPUT_FILE input: - name: content value: "{{steps.extract_structured_data.result}}" - name: filename value: "extracted_invoice_data_{{date | format('YYYY-MM-DD')}}.json" - name: fileType value: "json" ``` ## 例: バッチ文書処理 ```yaml theme={null} - id: process_document_batch name: process_document_batch tool: JINBA_MODULES_EXTRACT input: - name: name value: "バッチ文書処理" - name: fileUrl value: "{{input.batch_file_url}}" - name: dataSchema value: | { "$schema": "http://json-schema.org/draft-07/schema#", "type": "object", "properties": { "documents": { "type": "array", "items": { "type": "object", "properties": { "document_type": {"type": "string"}, "date": {"type": "string"}, "amount": {"type": "number"}, "vendor": {"type": "string"}, "metadata": { "type": "object", "additionalProperties": true } }, "required": ["document_type", "date", "amount"] } } } } - name: extractionMode value: "BALANCED" - id: parse_document_content name: parse_document_content tool: JINBA_MODULES_PARSE input: - name: fileUrl value: "{{input.batch_file_url}}" - name: outputFormat value: "MARKDOWN" # オプション: MARKDOWN、TEXT、STRUCTURED - name: extractionMode value: "BALANCED" - id: comprehensive_validation name: comprehensive_validation tool: JINBA_MODULES_CHECKER_V2 input: - name: target_file value: "{{input.batch_file_url}}" - name: task value: "バッチ文書チェック" - name: rules value: | [ { "uniqueId": "doc-001", "name": "文書タイプの限定", "description": "すべての文書は請求書（invoice）、領収書（receipt）、契約書（contract）のいずれかである必要があります。" }, { "uniqueId": "doc-002", "name": "金額の範囲", "description": "すべての文書の金額は0から1,000,000の間である必要があります。" }, { "uniqueId": "doc-003", "name": "日付の範囲", "description": "すべての文書の日付は2020-01-01から2025-12-31の間である必要があります。" }, { "uniqueId": "doc-004", "name": "ベンダー名の長さ", "description": "すべてのベンダー名は2文字以上200文字以下である必要があります。" } ] - name: additionalDataSchema value: | { "type": "object", "properties": { "documentType": { "type": "string", "description": "ルールの評価対象となった文書のタイプ" } } } - id: generate_processing_report name: generate_processing_report tool: PYTHON_SANDBOX_RUN input: - name: code value: | import json from datetime import datetime # 処理レポートをコンパイル extracted = json.loads('''{{steps.process_document_batch.result}}''') parsed = '''{{steps.parse_document_content.result}}''' check_results = json.loads('''{{steps.comprehensive_validation.result}}''') report = { "processing_summary": { "timestamp": datetime.now().isoformat(), "total_documents": len(extracted.get('documents', [])), "extraction_mode": "BALANCED", "parsed_characters": len(parsed), "all_rules_accepted": all(r.get('status') == 'accepted' for r in check_results) }, "document_breakdown": {}, "check_summary": { "total_rules": len(check_results), "accepted": sum(1 for r in check_results if r.get('status') == 'accepted'), "rejected": sum(1 for r in check_results if r.get('status') == 'rejected'), "pending": sum(1 for r in check_results if r.get('status') == 'pending') }, "recommendations": [] } # 文書タイプ別内訳 if 'documents' in extracted: doc_types = {} total_amount = 0 for doc in extracted['documents']: doc_type = doc.get('document_type', 'unknown') doc_types[doc_type] = doc_types.get(doc_type, 0) + 1 total_amount += doc.get('amount', 0) report['document_breakdown'] = doc_types report['processing_summary']['total_amount'] = total_amount # 推奨事項を追加 if report['check_summary']['rejected'] > 0: report['recommendations'].append("不合格のルールを確認し、データの問題を修正してください") if report['check_summary']['pending'] > 0: report['recommendations'].append("保留（pending）のルールを手動で確認してください") print(json.dumps(report, indent=2, ensure_ascii=False)) - id: save_processing_report name: save_processing_report tool: OUTPUT_FILE input: - name: content value: "{{steps.generate_processing_report.result.stdout}}" - name: filename value: "batch_processing_report_{{date | format('YYYY-MM-DD-HHmm')}}.json" - name: fileType value: "json" ``` ## 抽出モード `extractionMode` パラメータは `JINBA_MODULES_EXTRACT` と `JINBA_MODULES_PARSE` の両方で使用できます。 * **FAST**: 高速にデータを抽出します。シンプルな文書の大量処理に最適です * **BALANCED**（デフォルト）: 速度と精度のバランスを取って抽出します。汎用的な選択肢です * **QUALITY**: 最高精度で抽出します。重要文書や複雑なレイアウトに最適です ## 出力フォーマット `JINBA_MODULES_PARSE` の `outputFormat` パラメータで解析結果の形式を指定できます。 * **MARKDOWN**（デフォルト）: 見出し・表・リストを保持したMarkdown形式で出力します * **TEXT**: プレーンテキストで出力します * **STRUCTURED**: 構造化された形式で出力します ## データスキーマ設計 `JINBA_MODULES_EXTRACT` の `dataSchema` パラメータには、有効な任意のJSON Schemaを指定できます。 ### 基本スキーマ構造 ```json theme={null} { "$schema": "http://json-schema.org/draft-07/schema#", "type": "object", "properties": { "field_name": { "type": "string|number|object|array", "description": "フィールドの明確な説明", "format": "date|email|uri|etc", "pattern": "必要に応じて正規表現パターン" } }, "required": ["必須フィールドのリスト"] } ``` ### 高度なスキーマ機能 * **ネストされたオブジェクト**: 複雑なデータ構造 * **配列**: 同じタイプの複数項目 * **条件付きフィールド**: 他の値に依存するフィールド * **パターンマッチング**: 正規表現による検証 * **フォーマット検証**: 日付、メール、URLフォーマット ## ルール形式 `JINBA_MODULES_CHECKER_V2` の `rules` パラメータは、ルールオブジェクトのJSON配列です。各ルールはLLMによって対象ファイルに対して評価されます。 | フィールド | 型 | 必須 | 説明 | | ------------- | ------ | --- | -------------------------------------------------------------------------- | | `uniqueId` | string | はい | 対応するチェック結果にそのまま返される識別子 | | `name` | string | はい | 短いルール名 | | `description` | string | はい | ルールがチェックする内容（自然言語で記述） | | `references` | array | いいえ | ルール固有の参照情報。`type`（`text` または `url`）と、対応する `text` / `url` フィールドを持つオブジェクトの配列 | | `examples` | array | いいえ | 判定の指針となる判定例 | ### チェック結果 出力 `result` の各要素は1つのルールに対応します。 * **`uniqueId`**: ルールの識別子 * **`rule`**: 評価されたルール * **`status`**: `accepted`（合格）、`rejected`（不合格）、`pending`（保留）のいずれか * **`range`**: 判定が参照する対象内の位置 * **`reason`**: 判定の詳細な理由 * **`additionalData`**: `additionalDataSchema` を指定した場合に返される追加データ ## 使用例 * **請求書処理**: 自動請求書データ抽出と検証 * **文書デジタル化**: 紙文書を構造化データに変換 * **データ移行**: レガシーシステムからのデータ抽出 * **コンプライアンスチェック**: 規制に対する文書検証 * **研究データ**: 研究文書からの構造化データ抽出 * **フォーム処理**: フォームデータの自動抽出 * **契約分析**: 契約から重要条項を抽出 * **財務処理**: 財務諸表と報告書の処理 ## ベストプラクティス ### スキーマ設計 * スキーマをシンプルで焦点を絞ったものにする * 明確で説明的なフィールド名を使用 * 包括的な説明を含める * サンプルデータでスキーマをテスト * 一貫性のためにスキーマをバージョン管理 ### 抽出最適化 * ユースケースに適した抽出モードを選択 * 高品質な入力文書を提供 * 可能な場合は一貫した文書フォーマットを使用 * 抽出精度を監視し、必要に応じて調整 ### チェック戦略 * ルールの `description` は明確で曖昧さのない自然言語で記述する * 結果を長期的に追跡できるよう、各ルールに安定した `uniqueId` を付与する * ハルシネーション抑制のため、`references` に規程・法的文書・RAG検索結果などを添付する * `pending` の結果は手動で確認し、`reason` の内容をもとにルールを改善する ### パフォーマンス考慮事項 * 類似の文書をまとめてバッチ処理 * シンプルで大量の処理にはFASTモードを使用 * 精度が重要な場合にのみQUALITYモードを使用 * 抽出失敗時のエラーハンドリングを実装