doc-intel-contract-pl

name	doc-intel-contract-pl
description	Normalizuje wyjscie darmowego RODO-safe stacku OCR/PDF (opendataloader-pdf, pdftotext, Chandra OCR, OCR PATRONa/Gaius-Lex) do jednego audytowalnego kontraktu {block_type, bbox, text, confidence} inspirowanego architektura Mistral OCR 4 (idea, nie wagi - model zamkniety=SKIP). Daje trzy rzeczy naraz: confidence-gating (region niskiej pewnosci -> kolejka human-in-the-loop, reszta auto-approve), typed blocks + flagi PII pod redakcje RODO (signature/stamp/PESEL/NIP/IBAN), oraz bbox+block domykajace grounding cytatow (cytat -> region dokumentu). Zero-cloud, zero LLM w sciezce normalizacji, deterministyczne (doc_id SHA256), Python stdlib. Uzywaj gdy: "znormalizuj OCR", "kontrakt dokumentu", "ktore bloki do przegladu", "confidence gating", "przygotuj redakcje PII", "bbox do cytatu", "wyjscie opendataloader do JSON", "human-in-the-loop dla skanu". Komplementarny do citation-grounding-pl (konsument kontraktu) i drabinki PDF.
attribution	[{"source":"Mistral OCR 4 (Mistral AI)","url":"https://mistral.ai/news/mistral-ocr","license":"proprietary","relationship":"pattern-only","note":"Idea kontraktu wyjscia Document Intelligence: typed blocks + bbox + confidence jako jedno audytowalne wyjscie. Model jest zamkniety, wiec bierzemy sam ksztalt kontraktu; schemat, gating, flagi PII i caly kod napisane od zera.\n"},{"source":"datalab-to/chandra","url":"https://github.com/datalab-to/chandra","license":"Apache-2.0","relationship":"adaptation","note":"Z KODU (Apache-2.0), nie z wag (wagi sa na Modified OpenRAIL-M i nie sa tu uzywane). Wzorzec prompt-kontraktu constrained-HTML z data-label/data-bbox w skali 0-1000 (silnik vlm-html), algorytm detekcji zapetlenia generacji detect_repeat_token (degeneracja.py) oraz przepis renderu strony flatten AcroForm + dynamiczne DPI. Taksonomia etykiet, obsluga podpisu i pieczatki, adapter i testy napisane od zera.\n"}]
metadata	{"author":"Wieslaw Mazur / MateMatic","version":"0.2.0","scope":"warstwa normalizujaca stack OCR/PDF -> kontrakt wyjscia (zero-cloud)","cost":"zero LLM (deterministyczna normalizacja)","license":"MIT","companion_skills":"citation-grounding-pl, opendataloader-pdf, markitdown"}

doc-intel-contract-pl - kontrakt wyjscia Document Intelligence

Po co

Nasza drabinka PDF (pdftotext -> markitdown -> opendataloader -> Chandra -> vision) daje 5 roznych ksztaltow wyjscia. Ten skill ujednolica je do JEDNEGO kontraktu, ktory od razu odpowiada na trzy pytania:

1. Ktory fragment ma zobaczyc czlowiek? - confidence-gating (Article III / AI Act art. 14).
2. Co zredagowac? - typed blocks + flagi PII (signature/stamp/PESEL/NIP/IBAN).
3. Gdzie w dokumencie jest ten cytat? - bbox + block_id -> most do [[citation-grounding-pl]].

Zamkniety jest MODEL Mistral OCR 4, nie idea. Odtwarzamy kontrakt na wlasnym, lokalnym, RODO-safe stacku. [[feedback_doktryna_skladanie_puzzli_nie_wynajdywanie_kola]]

Kontrakt (v1.1.0)

{
  "doc_id": "<sha256 wejscia>",
  "contract_version": "1.1.0",
  "source": {"path": "...", "engine": "opendataloader|pdftotext|chandra|gaius|vlm-html", "engine_variant": "default|google_doc_ai|null", "pages": N},
  "blocks": [
    {"id": "b0001", "page": 1,  x0y0x1y1|
      
        |  ...