np-dms/lcbp3
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
b939a25456f9df1faf95550939b1296e94d018ef
lcbp3/specs/200-fullstacks/231-ocr-sandbox-two-step-flow/spec.md
T
admin b0b7d12d5a
CI / CD Pipeline / build (push) Successful in 5m10s
Details
CI / CD Pipeline / deploy (push) Failing after 3m15s
Details
690530:1121 ADR-030-231-ocr-sandbox-two-step-flow #01
2026-05-30 11:21:37 +07:00

16 KiB
Raw Blame History

Feature Specification: OCR Sandbox Two-Step Flow (OCR-First → AI-Second)

Feature Branch: main Created: 2026-05-30 Status: Draft Input: User requirement: แยก OCR Sandbox เป็น 2 step — Step 1 OCR เท่านั้นเพื่อตรวจคุณภาพ OCR ก่อน → Step 2 AI Extraction เพื่อทดสอบ prompt

User Scenarios & Testing (mandatory)

User Story 1 - OCR Quality Check Before AI Testing (Priority: P1)

ในฐานะ ผู้ดูแลระบบ (Superadmin) ข้าพเจ้าต้องการรัน OCR บน PDF เพื่อตรวจสอบคุณภาพข้อความที่สกัดได้ก่อน เพื่อยืนยันว่า OCR ทำงานถูกต้องและข้อความสมบูรณ์ ก่อนที่จะใช้ข้อความนั้นทดสอบ AI prompt template

Why this priority: การแยก step ช่วยให้ admin แยกปัญหาได้ชัดเจน — ถ้า OCR แย่/ไม่สมบูรณ์ ไม่ต้องเสียเวลาทดสอบ prompt ให้เสียทรัพยากร AI

Independent Test: upload PDF → กด "Step 1: Run OCR" → เห็น OCR Raw Text → ตรวจคุณภาพ → ถ้าพอใจ → กด "Step 2: Run AI Extraction" → เห็น LLM Result

Acceptance Scenarios:

  1. Given admin upload PDF ใน OCR Sandbox, When กด "Step 1: Run OCR", Then ระบบรัน OCR (PaddleOCR/Fast Path) และแสดง OCR Raw Text เท่านั้น ยังไม่เรียก LLM
  2. Given OCR Raw Text ปรากฏแล้ว, When admin ตรวจและพอใจกับคุณภาพ, Then admin สามารถกด "Step 2: Run AI Extraction" เพื่อส่ง OCR text ไป LLM ต่อ
  3. Given OCR Raw Text แย่/ไม่สมบูรณ์, When admin ไม่พอใจ, Then admin สามารถ upload PDF ใหม่และรัน OCR ใหม่โดยไม่เสียทรัพยากร AI
  4. Given admin อยู่ใน Step 2, When admin เปลี่ยนใจต้องการแก้ prompt version, Then admin สามารถเลือก prompt version อื่นจาก dropdown และรัน AI Extraction ใหม่ด้วย OCR text เดิม

User Story 2 - Prompt Version Testing with Same OCR Text (Priority: P2)

ในฐานะ ผู้ดูแลระบบ (Superadmin) ข้าพเจ้าต้องการทดสอบ prompt version หลาย version ด้วย OCR text เดียวกัน เพื่อเปรียบเทียบคุณภาพของ prompt versions ที่ต่างกัน

Why this priority: ช่วยให้ admin evaluate prompt versions ได้รวดเร็วโดยไม่ต้องรัน OCR ซ้ำหลายครั้ง

Independent Test: run OCR ครั้งเดียว → เลือก prompt v1 → run AI → เลือก prompt v2 → run AI → เปรียบเทียบผลลัพธ์

Acceptance Scenarios:

  1. Given OCR Raw Text ถูกสกัดแล้ว, When admin เลือก prompt version v1 และกด "Run AI Extraction", Then ระบบใช้ prompt v1 กับ OCR text เดิม
  2. Given ผลลัพธ์จาก v1 ปรากฏ, When admin เลือก prompt version v2 และกด "Run AI Extraction" อีกครั้ง, Then ระบบใช้ prompt v2 กับ OCR text เดิม (ไม่รัน OCR ซ้ำ)
  3. Given admin อยากเปลี่ยน OCR text, When admin upload PDF ใหม่และกด "Step 1: Run OCR", Then OCR text ใหม่แทนที่เดิมและ step 2 ถูก reset

Requirements (mandatory)

Functional Requirements

  • FR-001: ระบบ MUST มี job type ใหม่ sandbox-ocr-only ที่ทำ OCR เท่านั้น ไม่เรียก LLM
  • FR-002: ระบบ MUST มี job type ใหม่ sandbox-ai-extract ที่รับ OCR text + prompt version แล้ว run LLM
  • FR-003: ระบบ MUST เก็บ OCR text ใน Redis (TTL 3600s) หลังจาก Step 1 เสร็จ เพื่อใช้ใน Step 2
  • FR-004: Frontend MUST แสดง UI แบบ 2 step แยกกัน — Step 1: OCR, Step 2: AI Extraction
  • FR-005: Step 2 MUST มี dropdown เลือก prompt version (default = active version)
  • FR-006: ระบบ MUST อนุญาตให้รัน Step 2 ซ้ำด้วย prompt version ต่างกันโดยใช้ OCR text เดิม
  • FR-007: ระบบ MUST invalidate OCR text cache เมื่อ admin upload PDF ใหม่และรัน Step 1 ใหม่

Key Entities

  • OCR Cache: Redis key ai:sandbox:ocr:{requestPublicId} TTL 3600s — เก็บ OCR text และ metadata (ocrUsed, timestamp)
  • Sandbox OCR Job: BullMQ job type sandbox-ocr-only — รัน OCR เท่านั้น
  • Sandbox AI Job: BullMQ job type sandbox-ai-extract — รัน LLM ด้วย OCR text + prompt version

Success Criteria (mandatory)

Measurable Outcomes

  • SC-001: Step 1 (OCR) ใช้เวลา < 10 วินาทีสำหรับ PDF ทั่วไป
  • SC-002: Step 2 (AI) ใช้เวลา < 120 วินาที (เหมือน sandbox-extract เดิม)
  • SC-003: Admin สามารถทดสอบ prompt version 3 version ด้วย OCR text เดิมภายใน 5 นาที
  • SC-004: OCR text cache ถูก invalidate อัตโนมัติเมื่อ upload PDF ใหม่

API Design

POST /ai/admin/sandbox/ocr (Step 1)

Request:

  • file: PDF (multipart/form-data)

Response:

{
  "requestPublicId": "uuid",
  "jobId": "uuid",
  "status": "queued"
}

Behavior:

  • Upload PDF → storage temp
  • Enqueue job sandbox-ocr-only
  • Return requestPublicId สำหรับ polling

POST /ai/admin/sandbox/ai-extract (Step 2)

Request:

{
  "requestPublicId": "uuid",
  "promptVersion": 2  // optional, default = active
}

Response:

{
  "requestPublicId": "uuid",
  "jobId": "uuid",
  "status": "queued"
}

Behavior:

  • ดึง OCR text จาก Redis cache (ai:sandbox:ocr:{requestPublicId})
  • ถ้าไม่มี → throw 404 "OCR text not found or expired, please run Step 1 first"
  • ดึง prompt version (default = active)
  • Enqueue job sandbox-ai-extract
  • Return requestPublicId สำหรับ polling

Backend Implementation

New Job Types

export type AiBatchJobType =
  | 'ocr'
  | 'extract-metadata'
  | 'embed-document'
  | 'sandbox-rag'
  | 'sandbox-extract'      // legacy (OCR + AI in one job)
  | 'sandbox-ocr-only'     // NEW: Step 1 - OCR only
  | 'sandbox-ai-extract'   // NEW: Step 2 - AI extraction with cached OCR
  | 'migrate-document';

processSandboxOcrOnly()

private async processSandboxOcrOnly(data: AiBatchJobData): Promise<void> {
  const { idempotencyKey, payload } = data;
  const pdfPath = payload.pdfPath as string;

  const ocrResult = await this.ocrService.detectAndExtract({ pdfPath });

  // Cache OCR text for Step 2
  await this.redis.setex(
    `ai:sandbox:ocr:${idempotencyKey}`,
    3600,
    JSON.stringify({
      ocrText: ocrResult.text,
      ocrUsed: ocrResult.ocrUsed,
      timestamp: new Date().toISOString(),
    })
  );

  await this.redis.setex(
    `ai:rag:result:${idempotencyKey}`,
    3600,
    JSON.stringify({
      requestPublicId: idempotencyKey,
      status: 'completed',
      ocrText: ocrResult.text,
      ocrUsed: ocrResult.ocrUsed,
      completedAt: new Date().toISOString(),
    })
  );
}

processSandboxAiExtract()

private async processSandboxAiExtract(data: AiBatchJobData): Promise<void> {
  const { idempotencyKey, payload, projectPublicId } = data;
  const promptVersion = (payload.promptVersion as number) || undefined;

  // ดึง OCR text จาก cache
  const cachedOcr = await this.redis.get(`ai:sandbox:ocr:${idempotencyKey}`);
  if (!cachedOcr) {
    throw new Error('OCR text not found or expired, please run Step 1 first');
  }
  const { ocrText } = JSON.parse(cachedOcr);

  // ดึง prompt version
  const activePrompt = await this.aiPromptsService.getActive('ocr_extraction');
  if (!activePrompt) {
    throw new Error('No active ocr_extraction prompt version found');
  }

  // ถ้าระบุ promptVersion ให้ใช้ version นั้น (แต่ต้อง validate ว่ามีอยู่)
  const targetPrompt = promptVersion
    ? await this.aiPromptsService.findByVersion('ocr_extraction', promptVersion)
    : activePrompt;

  if (!targetPrompt) {
    throw new Error(`Prompt version ${promptVersion} not found`);
  }

  // Resolve context และ run LLM (เหมือน processSandboxExtract เดิม)
  const masterDataContext = await this.aiPromptsService.resolveContext(
    targetPrompt,
    projectPublicId
  );

  const resolvedPrompt = targetPrompt.template
    .replace('{{ocr_text}}', ocrText)
    .replace('{{master_data_context}}', JSON.stringify(masterDataContext, null, 2));

  const response = await this.ollamaService.generate(resolvedPrompt, {
    timeoutMs: 120000,
  });

  const cleanedResponse = response
    .replace(/```json/g, '')
    .replace(/```/g, '')
    .trim();

  let extractedMetadata: Record<string, unknown>;
  try {
    extractedMetadata = JSON.parse(cleanedResponse) as Record<string, unknown>;
  } catch {
    throw new Error(`Failed to parse LLM response as JSON: ${cleanedResponse}`);
  }

  await this.redis.setex(
    `ai:rag:result:${idempotencyKey}`,
    3600,
    JSON.stringify({
      requestPublicId: idempotencyKey,
      status: 'completed',
      answer: JSON.stringify(extractedMetadata, null, 2),
      ocrText,
      ocrUsed: JSON.parse(cachedOcr).ocrUsed,
      promptVersionUsed: targetPrompt.versionNumber,
      completedAt: new Date().toISOString(),
    })
  );
}

Frontend Implementation

UI Layout

┌─────────────────────────────────────────────────────┐
│ OCR Sandbox Playground                              │
├──────────────────────┬──────────────────────────────┤
│  Prompt Editor       │  Version History             │
│  ┌────────────────┐  │  ┌────────────────────────┐  │
│  │ textarea       │  │  │ v3 (active) ✅          │  │
│  │ {{ocr_text}}   │  │  │ v2 - 2026-05-24        │  │
│  │ ...            │  │  │ v1 - 2026-05-22        │  │
│  └────────────────┘  │  └────────────────────────┘  │
│  [บันทึก Version ใหม่]│  [Load] [Activate] [Delete] │
├──────────────────────┴──────────────────────────────┤
│  Step 1: OCR Quality Check                         │
│  ┌──────────────────────────────────────────────┐  │
│  │ File Upload: [เลือก PDF]                     │  │
│  │ [Step 1: Run OCR]                              │  │
│  └──────────────────────────────────────────────┘  │
│  [OCR Raw Text Display]                            │
├─────────────────────────────────────────────────────┤
│  Step 2: AI Extraction (disabled until Step 1)     │
│  ┌──────────────────────────────────────────────┐  │
│  │ Prompt Version: [v3 (active) ▼]              │  │
│  │ [Step 2: Run AI Extraction]                   │  │
│  └──────────────────────────────────────────────┘  │
│  [LLM Result Display]                              │
└─────────────────────────────────────────────────────┘

State Management

const [ocrRequestPublicId, setOcrRequestPublicId] = useState<string | null>(null);
const [ocrText, setOcrText] = useState<string>('');
const [ocrUsed, setOcrUsed] = useState<boolean>(false);
const [aiRequestPublicId, setAiRequestPublicId] = useState<string | null>(null);
const [selectedPromptVersion, setSelectedPromptVersion] = useState<number | undefined>(undefined);
const [step, setStep] = useState<'upload' | 'ocr-done' | 'ai-done'>('upload');

Step 1: Run OCR

const handleRunOcr = async () => {
  const response = await adminAiService.submitSandboxOcr(file);
  setOcrRequestPublicId(response.requestPublicId);
  // Poll for result...
};

Step 2: Run AI Extraction

const handleRunAi = async () => {
  const response = await adminAiService.submitSandboxAiExtract({
    requestPublicId: ocrRequestPublicId,
    promptVersion: selectedPromptVersion,
  });
  setAiRequestPublicId(response.requestPublicId);
  // Poll for result...
};

ADR Impact

  • ADR-029: เพิ่ม job types ใหม่ แต่ไม่เปลี่ยน architecture หลักของ ai_prompts table
  • ADR-030: ไม่กระทบ context resolution logic ยังใช้ resolveContext() เหมือนเดิม
  • ADR-023A: ไม่กระทบ AI boundary ยังใช้ Ollama ผ่าน BullMQ เหมือนเดิม

Migration Plan

Phase 1: Backend

  1. เพิ่ม job types ใหม่ใน AiBatchJobType
  2. Implement processSandboxOcrOnly() ใน AiBatchProcessor
  3. Implement processSandboxAiExtract() ใน AiBatchProcessor
  4. เพิ่ม endpoint POST /ai/admin/sandbox/ocr ใน AiController
  5. เพิ่ม endpoint POST /ai/admin/sandbox/ai-extract ใน AiController
  6. เพิ่ม method findByVersion() ใน AiPromptsService (ถ้ายังไม่มี)

Phase 2: Frontend

  1. เพิ่ม methods ใหม่ใน adminAiService:
    • submitSandboxOcr(file)
    • submitSandboxAiExtract({ requestPublicId, promptVersion })
  2. Refactor OcrSandboxPromptManager.tsx:
    • เพิ่ม state สำหรับ step management
    • เพิ่ม UI Step 1 + Step 2 แยกกัน
    • เพิ่ม dropdown prompt version ใน Step 2
  3. Update polling logic ให้รองรับ 2 requestPublicId แยกกัน

Phase 3: Testing

  1. Unit tests สำหรับ processSandboxOcrOnly() และ processSandboxAiExtract()
  2. Integration tests สำหรับ OCR cache invalidation
  3. E2E tests สำหรับ 2-step flow

Rollback Plan

ถ้า feature นี้มีปัญหา:

  • สามารถ rollback โดยใช้ legacy endpoint POST /ai/admin/sandbox/extract (sandbox-extract) ที่ยังคงอยู่
  • หรือ comment out new endpoints และ UI changes
Reference in New Issue View Git Blame Copy Permalink