upstage.ai

New

Highlights

Get Started

「Upstage DP x Syn Proを用いたドキュメント作業効率化シリーズ（with Weave）Part 1」では、以下の要点を整理しました。

Upstage Document Parse（DP）による「構造化」
Syn Pro による「日本語理解」の役割

ここからは実際にDP → Syn Proの流れをコードで動かし、要約・抽出・質問対応を行うパートです。

さらに Weights & Biases WeaveのTrace機能を使って、入力 → 構造化 → LLM推論の流れを“見える化”していきます。

1. DP＋Syn Proの基本フロー

ドキュメント処理パイプラインの基本形は次の通りです。

_{紙・スキャンPDF
→ DP（構造化・OCR）
→ LLM Ready なHTML
→ Syn Pro（要約・抽出・質問対応）}

本章では、代表的な 3 つのタスク：

要約（Summarization）
情報抽出（Information Extraction）
質問応答（Question Answering）

について具体例を紹介します。

詳細はfc_2025_upstage_handson：Step1をご覧ください。

2. 要約（Summarization）

以下は、建物清掃見積もり資料（DP で構造化済 HTML）をSyn Proに要約させる例です。

入力（Before）：スマホで撮影した清掃見積もり資料

2つの段落と複数の表が混在
照明や影が入った“実務寄り”の画像

プロンプト

^{# プロンプト（ドキュメント要約のための指示）
以下のドキュメントを読み、決裁者向けに3〜5行で要点をまとめてください。
--- Document (HTML) ---
{{html_document}}}

出力（例）

^{本見積もりは、建物清掃業務の作業範囲と料金体系をまとめた資料です。
建物規模、機材使用、作業頻度などに応じて基本料金と加算料金が設定されています。
消費税計算、割引条件、注意事項も含まれています。}

ポイント：

DPによって段落・表の構造が整っているため、Syn Proは要点を正確に抽出しやすい
LLMはドキュメントの要旨を短くまとめるのが得意

3. 情報抽出（Information Extraction）

以下は、建物清掃業務の見積金額算定基準を対象に、特定の情報（＝清掃対象の面積に関する情報）だけを抽出するタスクの例です。

入力（Before）：構造化された HTMLドキュメント

入力データや DPの構造化処理は Step1と同じ

プロンプト

^{# プロンプト（面積・値段情報を抽出するための指示）
文書内容を見て、清掃対象の面積に関する情報（値段）のみ抽出してください。
--- Document (HTML) ---
{{html_document}}}

出力（例）

^{以下の表は、清掃対象の面積に応じた基本料金（税抜・税込）の情報です：

| 広さ | 基本料金 (税抜) | 基本料金 (税込) |
|----------------|------------------|------------------|
| ～100m² | 8,000円 | 8,800円 |
| 101～500m² | 12,000円 | 13,200円 |
| 501～1000m² | 18,000円 | 19,800円 |
| 1001～2000m² | 25,000円 | 27,500円 |
| 2001m²～ | 35,000円 | 38,500円 |

備考：
- 面積算定時は「共用部・バックヤード・天井高」に留意が必要
- 基本料金には「定期訪問費」「廃棄物処理費」は含まれない
- 小規模施設でも複雑化により面積加重型の見積もりが主流}

ポイント：

- DPによって表の行・列構造が保持されているため、Syn Proが“面積に関する部分のみ”を正確に抽出できる
プロンプトを変えるだけで別の項目（例：料金・階数・契約種別など）も同じ方法で抽出可能

4. 質問応答（Question Answering）

DPによって構造化された HTMLドキュメントを使えば、Syn Proは表データ・段落情報を理解しながら “条件に基づく質問に答えることも可能です。

ここでは、清掃見積もり資料から

特定条件（面積・素材・高所・曜日など）に基づく概算金額の算出
コスト削減案の提案

というより実務に近いQ&Aタスクを実行します。

入力（Before）：構造化済みのHTMLドキュメント

入力データやDPの構造化処理はStep1と同じ

プロンプト

^{# プロンプト（見積概算のための指示）
文書内容を見て、以下2つについて簡潔に答えてください。
・面積（450m2）、素材あり（大型）、高所作業（6m以上）、1階、日曜の場合の概算
・より安価に作業依頼をする方法はないか？}

出力（例）

^{1. 面積（450m²）、素材あり（大型）、高所作業（6m以上）、1階、日曜の場合の概算
‍
- 基本料金（101〜500m²）：12,000円
- 機材加算（大型）：8,000円
- 高所作業加算（6m以上）：8,000円
- 曜日加算（日曜）：3,000円
- 合計（税抜）：31,000円
- 税込：34,100円
‍
※廃棄物処理費・安全装備費などの追加費用は含まれていません。

---
2. より安価に作業依頼する方法
‍
- 契約期間を6ヶ月〜12ヶ月に延長すると3〜10%割引
- 土日・深夜を避け、平日昼間に依頼することで2,000〜5,000円節約
- 「大型」ではなく「標準」機材を使うことで3,000円節約
- 電源・水道を自社で確保して追加費を回避
- 単発契約ではなく定期契約で10,000円の追加費を回避
- 特殊洗剤・アスベスト除去など高額作業を避けて15,000〜60,000円削減
‍
※詳細な金額は現場の状況により変動します。}

ポイント：

DPが構造化した “表データ” をSyn Proが理解し、金額計算の根拠を推論できる
特定条件（面積・曜日・高所作業など）に応じて、複数の加算金額を自動で推定できる
LLMならではの強みとして、文書に記載されていない “提案”（コスト削減案）にも回答可能
プロンプトを変えるだけで「概算」「作業計画」「注意点」など別用途にも応用できる

5. Weaveを用いたTrace（処理可視化）

Syn Proを用いた推論は動かせても、実務では次の悩みが出てきます：

プロンプトを変更したら結果がどう変わる？
どのPDFに対して何が入力され、どんな結果が出た？
DP→LLM→ 後処理のどこで失敗している？

これらを整理するのが Weights & Biases WeaveのTrace機能です。

5-1. 最小コード例（@weave.op を付けるだけ）

import weave

weave.init(project="upstage-doc-pipeline")

@weave.op()
def upstage_document_parse(file_path: Annotated[str, Content]) -> str:
    """
    📄 文書をHTMLに変換する関数
    - Upstage Document AI APIを利用
    - ファイルを送信してOCR + HTML化
    """

@weave.op()
def upstage_syn_pro(messages: list) -> str:
    """
    🧠 LLMで応答を生成する関数
    - Syn Proモデルを使用
    - messagesにはsystem / userロールのプロンプトを含む
    """

ポイント：

@weave.opを関数につけるだけで、その関数の実行が自動でWeaveに記録される
DP → LLMの一連の処理を実行すると、
Weave上で「どの入力に対して、どのような結果が返ってきたか」を木構造で確認できる
プロンプトやコードを変更した際の結果比較やデバッグが圧倒的に簡単になる

5-2. Weave UIで見えること

WeaveのTrace UIでは、

実行履歴一覧
各ステップの入出力の確認
HTML / Markdown / Dictionary 多様な形式の可視化

が可能になり、実行ログの管理（どのバージョン・どのプロンプトで実行したか）が楽になります。

この可視化は Part3の Evaluation（精度評価）とも連携し、「改善前後でどれだけ良くなった？」を追跡できるようになります。

6. DP × Syn Proの応用可能性（まとめ）

Part 2では、DPと Syn Proを使って、要約・抽出・質問対応の一連の処理を動かし、Weave Traceで処理フローを可視化できることを確認しました。

ただし、“実際のシステム連携に使えるレベルの情報抽出パイプライン”がまだ完成しているわけではありません。

次の Part 3では、事故詳細報告書をベースに「システム連携前提の情報抽出パイプライン」を構築します。

その評価手段として Weave Evaluationを補助的に使い、抽出精度の確認や改善サイクルの回し方までご紹介します。

‍

1. DP＋Syn Proの基本フロー