Loading... # LandingAI 发布免费 Document AI 课程：从传统 OCR 到 Agentic 文档提取的技术演进 # 一、新闻概述 ## 1. 标题 LandingAI 与 DeepLearning.AI 联合推出免费 Document AI 课程，Agentic 文档提取技术引领行业新方向 ## 2. 发布时间 2026年1月27日 ## 3. 来源 LandingAI 官方公告、DeepLearning.AI 课程平台 # 二、核心内容 ## 1. 事件摘要 ### A. 主要内容 LandingAI 与 DeepLearning.AI 联合发布免费短课程《Document AI：从 OCR 到 Agentic 文档提取》，旨在教授开发者如何构建智能文档处理管道，解决传统 OCR 技术在复杂文档处理中的核心痛点。 ### B. 核心亮点 - 课程完全免费，时长约3小时 - 包含6个动手代码示例 - 教授 Agentic Document Extraction（ADE）技术 - 涵盖从基础到 RAG 管道构建的完整知识体系 - 由 LandingAI 资深工程师授课 ## 2. 关键信息 ### A. 课程详情 - 课程名称：Document AI：From OCR to Agentic Doc Extraction - 合作方：LandingAI + DeepLearning.AI - 授课教师：David Park（LandingAI 应用 AI 高级总监）、Andrea Kropp（LandingAI 应用 AI 工程师） - 课程形式：在线视频 + 动手实践 ### B. 技术核心 - Agentic Document Extraction（ADE）技术 - Document Pre-trained Transformer-2（DPT-2）模型 - 布局检测与阅读顺序保持 - Markdown 和 JSON 输出格式 ### C. 涉及产品 LandingAI ADE 平台、DPT-2 模型、AWS 集成 ## 3. 背景介绍 ### A. 技术背景 传统 OCR（光学字符识别）技术在处理复杂文档时存在固有缺陷：只能机械识别字符，无法理解文档结构和上下文关系。这导致表格合并单元格丢失、图表与标题关系断裂、多栏阅读顺序混乱等问题。 ### B. 行业痛点 企业文档处理面临巨大挑战：发票、财务报表、学术论文、医疗表单等复杂文档的自动化处理准确率低，大量工作仍依赖人工完成。 ### C. 技术演进 ADE（Agentic 文档提取）代表了文档 AI 技术的新一代发展方向，从机械字符识别转向智能结构理解。 # 三、详细报道 ## 1. 课程内容详解 ### A. 传统 OCR 的局限性分析 课程首先深入剖析传统 OCR 技术的核心问题： **机械式字符识别** - 仅将文档视为字符序列，忽略结构信息 - 无法理解表格、图表、多栏布局的语义 **信息丢失问题** - 表格合并单元格结构消失 - 图表与标题的关联关系断裂 - 多栏文档阅读顺序混乱 - 布局上下文信息完全丢失 **实际影响** - 发票处理：金额、日期等关键字段定位困难 - 财务报表：复杂表格数据提取错误率高 - 学术论文：引用关系、图表说明难以解析 - 医疗表单：结构化信息提取失败 ### B. ADE 技术原理 **Agentic 对象检测** ADE 使用智能代理将文档分解为有意义的功能块： - 文本段落 - 表格区域 - 图表元素 - 表单字段 **DPT-2 模型架构** Document Pre-trained Transformer-2 是 LandingAI 开发的专用文档理解模型： ```mermaid graph TB subgraph 输入层 A1[PDF 文档] A2[扫描图像] A3[数字文档] end subgraph DPT-2 处理层 B1[布局检测] B2[阅读顺序分析] B3[元素分类] B4[结构化提取] end subgraph 输出层 C1[Markdown 格式] C2[JSON 数据] C3[结构化字段] end A1 --> B1 A2 --> B1 A3 --> B1 B1 --> B2 B2 --> B3 B3 --> B4 B4 --> C1 B4 --> C2 B4 --> C3 ```  **关键技术创新** - 智能布局检测：识别文档中的表格、图表、文本区域 - 阅读顺序保持：理解多栏、嵌套结构的正确阅读顺序 - 上下文保持：保留元素间的语义关系 - 端到端结构化输出：直接生成 Markdown 或 JSON ### C. 课程实践内容 **6个动手代码示例** 1. 基础 ADE 调用：解析简单文档 2. 表格提取：处理复杂嵌套表格 3. 多栏文档：保持正确阅读顺序 4. 图表提取：分离图表与说明文字 5. RAG 管道：结合向量数据库的文档检索 6. AWS 部署：构建事件驱动文档处理工作流 **技术栈覆盖** - LandingAI ADE API - Python 编程 - 向量数据库集成 - AWS Lambda 部署 - 事件驱动架构 ## 2. 技术深度分析 ### A. DPT-2 模型特点 **架构设计** - 基于 Transformer 的文档预训练模型 - 专门针对文档布局和结构优化 - 支持英文文本处理 - 提供 DPT-2 Mini 轻量级版本 **性能优势** - 更智能的布局检测，减少遗漏块 - 可检测表格内的印章并单独处理 - 处理数字原生 PDF 文档效果优异 - DocVQA 基准测试准确率达 99.15% ### B. ADE vs 传统 OCR 对比 | 对比维度 | 传统 OCR | ADE | |---------|---------|-----| | 识别方式 | 机械字符识别 | 智能结构理解 | | 布局处理 | 丢失布局信息 | 保持完整布局 | | 表格处理 | 合并单元格错误 | 正确解析表格结构 | | 阅读顺序 | 多栏混乱 | 保持正确顺序 | | 输出格式 | 纯文本 | Markdown + JSON | | 复杂文档 | 准确率低 | 准确率 >90% | ### C. 应用场景 **企业文档处理** - 发票自动提取：金额、日期、项目明细 - 合同审查：条款识别、风险点标注 - 财务报表：数据提取、趋势分析 - 人事档案：信息录入、归档管理 **政府和公共服务** - 证照处理：身份证、护照、营业执照 - 税务单据：纳税申报、发票验证 - 医疗记录：病历结构化、保险理赔 **学术和研究** - 论文解析：引用关系、图表提取 - 专利分析：技术要点、权利要求 - 历史文献：数字化、结构化存储 ## 3. 数据与事实 ### A. 技术指标 - 处理准确率：从传统 OCR 的 <60% 提升至 >90% - DocVQA 基准：99.15% 准确率 - 支持格式：PDF、JPEG、PNG 等多种格式 ### B. 课程数据 - 视频时长：约3小时 - 代码示例：6个完整案例 - 学员门槛：基础 Python 知识 - 课程费用：完全免费 ### C. 市场影响 - 2025年9月：LandingAI 发布 DPT-2 重大升级 - 2026年1月：DeepLearning.AI 合作课程发布 - 社区反响：社交媒体上数千次分享和讨论 # 四、影响分析 ## 1. 行业影响 ### A. 技术趋势 **从 OCR 到 ADE 的范式转变** 传统 OCR 技术已发展数十年，但始终停留在字符识别层面。ADE 的出现标志着文档 AI 进入智能理解时代，这是从量变到质变的跨越。 **Agent 化 AI 趋势** ADE 是 Agentic AI 在文档处理领域的成功应用，展示了多代理系统在垂直领域的巨大潜力。 ### B. 竞争格局 **主要竞争对手** - Google Document AI：云原生文档理解服务 - Amazon Textract：AWS 文档分析服务 - Rossum：专注于发票和财务文档 **LandingAI 的差异化优势** - 专注垂直领域优化 - 开放免费课程降低使用门槛 - Andrew Ng 个人品牌效应 ### C. 生态影响 **开发者社区** - 免费课程降低了技术门槛 - 代码示例可直接用于生产环境 - 活跃的社区支持 **企业用户** - 减少对专业 OCR 团队的依赖 - 降低文档处理成本 - 提高自动化处理效率 ## 2. 用户影响 ### A. 现有开发者 **学习路径清晰** - 3小时即可掌握核心技术 - 从理论到实践的完整覆盖 - 无需深厚 AI 背景知识 **生产就绪** - 课程代码可直接用于生产环境 - 提供最佳实践指导 - 包含部署方案 ### B. 潜在用户 **企业决策者** - 降低文档处理成本 - 提高处理效率和准确性 - 减少人工审核工作量 **技术爱好者** - 免费学习前沿技术 - 获得实战经验 - 拓展职业发展路径 ### C. 迁移成本 **从传统 OCR 迁移** - API 设计简洁，迁移成本低 - 支持常见文档格式 - 提供迁移指南和最佳实践 **学习曲线** - 需要理解 Agentic AI 概念 - Python 编程基础 - 云服务部署知识 ## 3. 技术趋势 ### A. 技术方向 **多模态融合** - 文本 + 视觉 + 布局的综合理解 - 跨模态信息关联 - 上下文感知能力增强 **端到端优化** - 从文档输入到结构化输出的完整链路 - 无需复杂的后处理规则 - 自适应不同文档类型 ### B. 生态影响 **标准化进程** - 推动文档 AI 技术标准化 - 建立行业评估基准 - 促进技术开放和共享 **开源生态** - GitHub 上的辅助脚本和示例 - 社区贡献的工具和扩展 - 知识共享和协作创新 # 五、各方反应 ## 1. 官方回应 ### Andrew Ng（LandingAI 执行董事长） "Agentic 文档提取技术将改变企业处理文档的方式。通过这个免费课程，我们希望让更多开发者掌握这项前沿技术。" ### DeepLearning.AI "我们很高兴能与 LandingAI 合作，将 Agentic 文档提取技术带给全球的学习者。这门课程填补了当前文档 AI 教育的空白。" ## 2. 业内评价 ### 技术媒体评价 - AI Multiple 研究报告称 ADE 为"2026 年文档 AI 领域值得关注的技术" - Forbes 报道指出 LandingAI 正在"让 Agentic AI 成为企业文档处理的骨干" ### 开发者社区反馈 - Reddit：课程内容实用，代码示例清晰 - Twitter：Andrew Ng 的推广帖获得数万次浏览 - LinkedIn：大量从业者分享学习心得 ## 3. 用户反馈 ### 正面评价 - 课程设计合理，从基础到进阶循序渐进 - 代码示例可以直接用于项目 - 完全免费的学习资源 ### 关注点 - DPT-2 目前主要支持英文 - 复杂手写内容识别仍有提升空间 - 大规模部署的成本考虑 ### 中立观察 作为一项新兴技术，ADE 需要在更多实际场景中验证其稳定性和可靠性。传统 OCR 在某些特定领域仍有其价值。 # 六、相关链接 ## 1. 官方资源 - [DeepLearning.AI 课程页面](https://www.deeplearning.ai/short-courses/document-ai-from-ocr-to-agentic-doc-extraction/) - [LandingAI ADE 开发者文档](https://landing.ai/developers/document-pre-trained-transformer-2) - [LandingAI ADE 官方页面](https://landing.ai/agentic-document-extraction) ## 2. 技术资源 - [LandingAI GitHub 仓库](https://github.com/landing-ai/ade-helper-scripts) - [LandingAI 社区活动页面](https://community.landing.ai/c/events-ade) - [YouTube 介绍视频](https://www.youtube.com/watch?v=EHz1ACPmTVg) ## 3. 相关报道 - [Forbes：Andrew Ng 的 LandingAI 开发专用模型简化文档智能](https://www.forbes.com/sites/victordey/2025/09/30/andrew-ngs-landingai-develops-specialized-model-to-ease-document-intelligence/) - [HPCwire：LandingAI 推出 ADE DPT-2](https://www.hpcwire.com/off-the-wire/landingai-introduces-ade-dpt-2-for-improved-extraction-from-text-tables-and-visual-data/) - [AI Multiple：Agentic 文档提取 2026 展望](https://research.aimultiple.com/agentic-document-extraction/) *** ## 参考资料 1. [Document AI: From OCR to Agentic Doc Extraction - DeepLearning.AI](https://www.deeplearning.ai/short-courses/document-ai-from-ocr-to-agentic-doc-extraction/) 2. [Document Pre-trained transformer-2 - LandingAI Developers](https://landing.ai/developers/document-pre-trained-transformer-2) 3. [Agentic Document Extraction - LandingAI](https://landing.ai/agentic-document-extraction) 4. [LandingAI Expands Agentic Document Intelligence with DPT-2 - Forbes](https://www.forbes.com/sites/victordey/2025/09/30/andrew-ngs-landingai-develops-specialized-model-to-ease-document-intelligence/) 5. [LandingAI Introduces ADE DPT-2 - HPCwire](https://www.hpcwire.com/off-the-wire/landingai-introduces-ade-dpt-2-for-improved-extraction-from-text-tables-and-visual-data/) 6. [Agentic Document Extraction: LandingAI & more in 2026 - AI Multiple](https://research.aimultiple.com/agentic-document-extraction/) 7. [Document AI vs OCR: Agentic Document Extraction Course Reveals Advanced AI - Blockchain.News](https://blockchain.news/zh/ainews/document-ai-vs-ocr-agentic-document-extraction-course-reveals-advanced-ai-for-structured-data-parsing-zh) 8. [吴恩达开新课教OCR！用Agent搞定文档提取 - 量子位](https://blog.csdn.net/QbitAI/article/details/157037862) 9. [Sumanth 的 LinkedIn 推文](https://www.linkedin.com/posts/sumanth077_from-ocr-to-agentic-doc-extraction-landingai-activity-7422616069154041857-6jcI) 10. [Beyond OCR: How Agentic Document Extraction Agents Are Transforming Complex Files in 2026 - Medium](https://medium.com/@tam.tamanna18/beyond-ocr-how-agentic-document-extraction-agents-are-transforming-complex-files-in-2026-3e4124c4c7d7) 最后修改：2026 年 01 月 30 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏