AI-drevet Regneark & Dokumentanalyse med Multi-Agent Orkestrering og Krydsdokument Reference

Vi byggede en multi-agent AI dokumentintelligensplatform med vektordatabase-understøttet hentning for store dokumenter, specialiserede agenter for forskellige dokumenttyper, en orkestrator til krydsdokument ræsonnering og skrive-tilbage kapaciteter til regnearksredigering.

Arkitektur

• Orchestrator: AI orkestrator agent, der koordinerer flertrins arbejdsgange på tværs af specialiserede agenter
• Spreadsheet Agent: Håndterer Excel/CSV/Google Sheets analyse, formelgenerering og celleændringer
• Document Agent: Håndterer PDF/Word dokumentlæsning, udtræk og opsummering
• Cross-Reference Agent: Udfører joins, sammenligninger og afstemning på tværs af dokumenttyper
• Vector Database: Milvus til semantisk indeksering af dokumentstykker og regnearksrækker
• LLM Layer: Multi-model tilgang med funktionskald
• Backend: Python/FastAPI til dokumentbehandling og agentorkestrering
• Frontend: React dashboard med filupload, chatgrænseflade og live regnearksvisning
• Storage: S3 til originale filer, PostgreSQL til metadata og jobsporing

Multi-Agent Arkitektur

Agentroller

1. Orchestrator Agent

Den centrale koordinator, der modtager brugerforespørgsler, nedbryder dem i delopgaver og delegerer til specialiserede agenter. Den analyserer brugerens hensigt, skaber udførelsesplaner, styrer dataflow mellem agenter, aggregerer resultater og håndterer fejlretning.

2. Spreadsheet Agent

Specialiseret til tabulære dataoperationer inklusive skemaforståelse, oversættelse af naturligt sprog til forespørgsel, aggregeringer og filtrering, formelgenerering, celleændringer og kolonneudfyldninger, diagramforslag og datavalidering/anomalidetektion.

3. Document Agent

Specialiseret til ustrukturerede og semi-strukturerede dokumenter inklusive OCR og layout-bevidst tekstudtræk, sektionidentifikation, nøgle-værdi udtræk fra kontrakter, opsummering, semantisk klausulsøgning og tabeludtræk fra PDF'er/Word dokumenter.

4. Cross-Reference Agent

Specialiseret til multi-dokument ræsonnering inklusive enhedsmatchning på tværs af dokumenter, dataafstemning og uoverensstemmelsesidentifikation, tidslinjeanalyse, afhængighedsopløsning for modstridende data og SQL-lignende join-operationer på tværs af dokumenttyper.

Vektordatabase Lag

Hvorfor Vector DB til Dokumenter

Store dokumenter og regneark kan ikke passe i et enkelt LLM kontekstvindue. Vektordatabasen muliggør semantisk søgning på tværs af millioner af rækker og dokumentstykker, hentning af kun relevante dele pr. forespørgsel, krydsdokument enhedslinking via indlejringslighed og vedvarende indeksering, der ikke behøver genbehandling ved hver forespørgsel.

Indekseringsstrategi

Spreadsheet Indeksering:

Hver række konverteres til en naturligt sprog repræsentation ved at sammenkæde nøglekolonneværdier, derefter indlejret og gemt med referencer tilbage til den originale fil, ark og rækkeindeks for skrive-tilbage operationer.

Document Indeksering:

Dokumenter udtrækkes med layout-bevidsthed, opdelt i semantiske segmenter med overlap, indlejret og gemt med referencer til kildefilen, sektionen og sidenummeret.

Cross-Document Entity Index:

Et separat indeks linker enheder (leverandører, produkter, personer, fakturanumre) på tværs af dokumenter, hvilket muliggør krydsreference forespørgsler til hurtigt at finde alle nævnelser af en enhed uanset kildefil.

Hentningspipeline

Når en bruger stiller et krydsdokument spørgsmål, identificerer orkestratoren hvilke dokumenter og agenter der er nødvendige, udfører vektorsøgninger for at finde relevante data på tværs af alle kilder, delegerer til specialiserede agenter til behandling og aggregerer resultaterne til et sammenhængende svar.

Orkestreringsmotor

Forespørgselsnedbrydning

Orkestratoren bryder komplekse forespørgsler ned i flertrins udførelsesplaner. For eksempel ville et spørgsmål som "Find leverandører med sene leverancer, tjek kontraktstraffeklausuler og beregn kravbare straffe" blive nedbrudt i sekventielle trin: forespørgsel om leveringsdata via Spreadsheet Agent, søgning i kontrakter via Document Agent og sammenføjning af resultater via Cross-Reference Agent.

Agentkommunikation

• Agenter kommunikerer via strukturerede meddelelser med typede nyttelaster
• Orkestratoren opretholder udførelseskontekst med mellemliggende resultater
• Fejlede trin udløser retry eller fallback strategier
• Delvise resultater returneres, hvis nogle trin fuldføres, men andre fejler

Regnearksredigering & Skrive-tilbage

Redigeringsmuligheder

Platformen understøtter celleopdateringer, kolonneudfyldninger, rækkeindsættelse, betinget formatering, oprettelse af nye ark og formelinjektion — alt foreslået af AI-agenter og anvendt med brugerens godkendelse.

Skrive-tilbage Pipeline

1. Agenten bestemmer redigeringsoperationen (hvilke celler, hvilke værdier)
2. Redigeringsforhåndsvisning vises til brugeren med diff-fremhævning (gamle vs. nye værdier)
3. Brugeren godkender eller ændrer de foreslåede ændringer
4. Backend anvender ændringer til filen ved hjælp af passende biblioteker pr. format
5. Ændret fil gemmes som en ny version med redigeringsspor
6. Vektorindeks opdateres for ændrede rækker

Versionskontrol

• Hver redigering skaber en ny filversion (original bevaret)
• Diff-log viser præcis, hvad der blev ændret, hvornår og hvorfor
• Tilbagefør til enhver tidligere version med et klik
• Redigeringsattribution: hvilken agent eller bruger der foretog hver ændring

Behandlingspipeline for Nye Dokumenter

Filupload Flow

1. Bruger uploader filer (træk-og-slip eller API)
2. Filtype detekteres og dirigeres til passende processor
3. Spreadsheets: Parsede, skema udledt, rækker indlejret og indekseret
4. PDFs: OCR (hvis scannet) → layoutudtræk → chunking → indlejring → indeksering
5. Word Docs: Tekstudtræk → sektion parsing → chunking → indlejring → indeksering
6. Entity Extraction: NER identificerer personer, organisationer, datoer, beløb på tværs af alle dokumenter
7. Cross-Document Linking: Enhedsindeks opdateres med nye nævnelser
8. Filmetadata gemt i PostgreSQL, indlejringer i vektor DB, originaler i S3

Understøttede Formater

Platformen understøtter Excel, CSV og Google Sheets (med fuld skrive-tilbage), native og scannede PDF'er (kun læsning) og Word-dokumenter og Google Docs (begrænset skrive-tilbage).

Nøglefunktioner

1. Multi-Agent Arkitektur — Specialiserede agenter til regneark, dokumenter og krydsreferering
2. AI Orchestrator — Nedbryder komplekse forespørgsler i flertrins udførelsesplaner
3. Krydsdokument Reference — Enhedslinking og dataafstemning på tværs af filtyper
4. Vektor-drevet Hentning — Semantisk søgning håndterer datasæt ud over LLM kontekstgrænser
5. Regnearks Skrive-tilbage — AI redigerer celler, udfylder kolonner og indsprøjter formler med brugerens godkendelse
6. Støtte til Store Datasæt — 50.000+ række regneark indekseret og forespørgbar via vektorsøgning
7. Versionskontrol — Hver redigering versioneret med diff-log og tilbageføringsmulighed
8. Naturligt Sprog Forespørgsler — Stil komplekse analytiske spørgsmål på almindeligt engelsk
9. Multi-Format Support — Excel, CSV, Google Sheets, PDF, Word, Google Docs
10. Redigeringsforhåndsvisning — Diff-fremhævet forhåndsvisning før ændringer anvendes