Clairic从邮件照片里抽字段，每个答案都标出把握有多大

Cloudflare发布了一款新模型Clairic，预览版放在Workers AI上。模型ID是@cf/cloudflare/clairic。Michelle Chen在X上宣布了这个消息。Clairic做的事情很专一。它从非结构化文本和图片里抽出你指定要的字段：订单号、总额、日期。它不生成一段回答。

Cloudflare称它为System One提取模型。这个词的意思是，它一次性读完整个输入，直接返回每个字段的值，不走文本生成。你描述想要哪些值，它按你声明的类型返回，每个值都带一个置信度分数。通俗地说，模型既告诉你抽到了什么，也告诉你它有多大的把握。

只提取，不生成

这个设计省掉了过去最麻烦的一步。让大语言模型返回JSON时，拿到后要解析、检查格式、再猜值是否正确。Clairic把这一步去掉了。它还解决了另一个更头疼的问题：源里没有的内容，就返回null加一个概率。它不会编一个看起来合理的值。文本答案还能带上在原文中的精确位置，让调用方直接高亮出处。

Clairic支持四种任务。字段类型包括文本、数字、日期、时间、日期时间、持续时间、列表、估计和预测。类型定义得清楚，下游代码处理起来就少一层不确定性。

能处理的活

Cloudflare列了四个具体用例。支持工单：从客户邮件中抽订单ID、送货日期、已付金额和损坏部件，直接进工单流程。发票和收据是另一种，从文本或照片里读总额、日期、名称和明细。快速估算看输入里的示例就能估一个维修成本或付款周期。短期预测则贴一串历史数据，预测接下来几个数值，比如每日工单量。

模型还带一点计算能力。举例说，Clairic把项目成本加税得到701.10。它数两个日期之间的天数得到11。但生产里的精确数学别交给它。Cloudflare的建议是：用Clairic提取原始价格和日期，计算放在自己的代码里。

边界画得很清楚

作为预览版，行为和可用性都可能变。Cloudflare明确列了不适用的情况。开放式写作和推理要交给生成模型。从固定选项里挑答案要交给决策模型。代码能干得更好的事——算术、权限、ID、不可逆操作——留在确定性代码里。生产级预测也不适合。Clairic只看得到你给的序列，数据里没出现的事件它无从知道。

计算上的限制更具体。一步或两步的运算可靠，长一点的链条、跨多行的总计仍做不好。每个请求最多接受四张PNG、JPEG或WebP图片，难辨认的照片读出的值可能出错。置信度分数和80%的范围区间是有用的信号，但不同任务上的校准质量并不一致。

Cloudflare因此建议：高影响值要回到来源、业务规则或真人那里核对一遍。它没提预览期结束后怎么收费，也没说非英文文本的效果如何。

用法建议

和Clairic经常一并出现的，是TypeSafe的Jev。两者同为System One模型，分工不同。Jev从你定义好的选项里选答案，比如“批准、复核、拒绝”。Clairic返回事先不知道的值，比如总额或日期。一个常用组合是：Clairic先从单据里抽事实，Jev再根据政策选允许的结果。读数和决定因此被拆成两个环节。

Cloudflare给的使用路径很具体。选一个重复出现的提取任务，字段少而明确。拿真实例子测试，包括缺失值和模糊图片。按答错要付出的代价定审查规则。精确检查留在自己的代码里，只把验证过的值交给下游。

Cloudflare有意让这个模型做的事变少。不生成、不选择、不负责精确计算，只在提取这一步出力，把把握大小说清楚，交给下一个人判断。