智能文档平台

从任何文档到经过核验的决策。

Cogneris 是一款 document AI 提取 API。对文档进行分类、解析每一页并提取您定义的字段，每个值都会按您的规则校验，并关联到其来源页面。

响应中位数 150 毫秒 · API p95 321 毫秒按 tenant 加密随时可审计

领取 400 免费积分阅读快速入门

无需信用卡。14 天内可用 400 积分。或联系我们的团队。

合规，并且附上证据 · 每一条主张都链接到它背后的文档 · 查看证据 →

文档 API 目录

从文档出发。顺着流程往下走。

采集高频业务单据，提取复杂材料包，核验身份或理赔证据。每个链接都会打开对应文档类型的 API 页面。

采集

把大批量的运营单据变成结构化记录。

发票热门收据热门采购订单支票银行对账单火热提单签收凭证

提取

读取篇幅长、格式多变、多文档合一的文件，并附上出处证据。

薪资与 W-2 表纳税申报表合同 ACORD 表单 EOB 福利说明书按揭贷款材料包财务报表标准化

核验

交叉核对身份、资格、地址与理赔证据。

KYC 文件火热身份证与护照地址证明医保卡保险理赔材料理赔处理

模块化解决方案

按您的流程自由组合产品 —— 一套量身定制的文档技术栈。

智能提取

识别编号、日期、金额与表格 —— 靠的是上下文，而不是正则。分类与零样本提取均可按 Tenant 配置。

向您的文档提问

用自然语言与 PDF、合同和报告对话。文档问答目前为限量发布；引用出处的覆盖程度会随工作流与回答而不同。

自动化工作流

触发 webhook 、排入作业队列，把提取出的字段直接推送到您的 ERP、CRM 或数据仓库。

文档中心

一个统一的存储库，具备版本管理、语义检索，以及按团队或客户细分的权限控制。

试一试

先读输出，再谈别的。

四份文档跑过提取 API，连同我们返回的响应一起放在这里 —— 每个字段都带着自己 0–100 的置信度，以及在定位到取值时它所在的页码和边界框。

vendor_name Acme Industries Ltd. 98
invoice_number INV-2026-0417 99
invoice_date 2026-04-17 97
total_amount 12,480.50 USD 99

{
  "data": {
    "id": "9d8a7c6e-1b2f-4a3d-9e8f-7c6d5b4a3210",
    "metadata": {
      "vendor_name": {
        "value": "Acme Industries Ltd.",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.13,
          0.14,
          0.67,
          0.17
        ],
        "bbox_confidence": 92
      },
      "invoice_number": {
        "value": "INV-2026-0417",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.7,
          0.15,
          0.92,
          0.17
        ],
        "bbox_confidence": 95
      },
      "invoice_date": {
        "value": "2026-04-17",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.7,
          0.18,
          0.92,
          0.21
        ],
        "bbox_confidence": 90
      },
      "total_amount": {
        "value": 12480.5,
        "currency": "USD",
        "confidence": 99,
        "page": 3,
        "bbox": [
          0.7,
          0.82,
          0.92,
          0.85
        ],
        "bbox_confidence": 96
      },
      "line_items": [
        {
          "description": {
            "value": "Annual platform subscription",
            "confidence": 97,
            "page": 2,
            "bbox": [
              0.1,
              0.39,
              1.16,
              0.42
            ],
            "bbox_confidence": 94
          },
          "quantity": {
            "value": 12,
            "confidence": 94
          },
          "unit_price": {
            "value": 249.0,
            "currency": "USD",
            "confidence": 96
          }
        }
      ]
    },
    "createdDate": "2026-05-19T13:42:11Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

account_holder Northwind Trading LLC 98
account_number_masked ••••4417 99
period_end 2026-03-31 99
closing_balance 48,210.75 USD 96

{
  "data": {
    "id": "6f1d4b20-7a8e-4c93-b6f2-1d5a8e9c3047",
    "metadata": {
      "account_holder": {
        "value": "Northwind Trading LLC",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.1,
          0.12,
          0.63,
          0.15
        ],
        "bbox_confidence": 91
      },
      "account_number_masked": {
        "value": "****4417",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.16,
          0.38,
          0.19
        ],
        "bbox_confidence": 92
      },
      "period_end": {
        "value": "2026-03-31",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.2,
          0.38,
          0.22
        ],
        "bbox_confidence": 91
      },
      "closing_balance": {
        "value": 48210.75,
        "currency": "USD",
        "confidence": 96,
        "page": 6,
        "bbox": [
          0.62,
          0.78,
          0.92,
          0.81
        ],
        "bbox_confidence": 92
      }
    },
    "createdDate": "2026-05-19T13:44:08Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

employee_name J. Okafor 96
employer_name Cascade Legal Services 98
pay_period_end 2026-04-30 99
gross_pay 5,980.00 USD 94
net_pay 4,312.08 USD 97

{
  "data": {
    "id": "1e7c9a34-5b62-4f80-a1d9-3c6e7b2a4058",
    "metadata": {
      "employee_name": {
        "value": "J. Okafor",
        "confidence": 96,
        "page": 1,
        "bbox": [
          0.1,
          0.18,
          0.44,
          0.2
        ],
        "bbox_confidence": 90
      },
      "employer_name": {
        "value": "Cascade Legal Services",
        "confidence": 98,
        "page": 1,
        "bbox": [
          0.1,
          0.11,
          0.56,
          0.14
        ],
        "bbox_confidence": 93
      },
      "pay_period_end": {
        "value": "2026-04-30",
        "confidence": 99,
        "page": 1,
        "bbox": [
          0.1,
          0.26,
          0.42,
          0.28
        ],
        "bbox_confidence": 93
      },
      "gross_pay": {
        "value": 5980.0,
        "currency": "USD",
        "confidence": 94,
        "page": 1,
        "bbox": [
          0.7,
          0.51,
          0.92,
          0.54
        ],
        "bbox_confidence": 89
      },
      "net_pay": {
        "value": 4312.08,
        "currency": "USD",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.7,
          0.56,
          0.92,
          0.59
        ],
        "bbox_confidence": 92
      }
    },
    "createdDate": "2026-05-19T13:45:31Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

full_name MARIA T. ALVES 97
document_number X1234567 95
date_of_birth 1991-08-14low confidence 71
expiry_date 2031-02-28 93

{
  "data": {
    "id": "4a2f8c16-9d73-4b50-a6e1-2c7d5f8b3094",
    "metadata": {
      "full_name": {
        "value": "MARIA T. ALVES",
        "confidence": 97,
        "page": 1,
        "bbox": [
          0.16,
          0.16,
          0.56,
          0.19
        ],
        "bbox_confidence": 93
      },
      "document_number": {
        "value": "X1234567",
        "confidence": 95,
        "page": 1,
        "bbox": [
          0.16,
          0.21,
          0.41,
          0.24
        ],
        "bbox_confidence": 89
      },
      "date_of_birth": {
        "value": "1991-08-14",
        "confidence": 71,
        "page": 1,
        "bbox": [
          0.16,
          0.26,
          0.38,
          0.29
        ],
        "bbox_confidence": 66
      },
      "expiry_date": {
        "value": "2031-02-28",
        "confidence": 93,
        "page": 1,
        "bbox": [
          0.16,
          0.31,
          0.38,
          0.34
        ],
        "bbox_confidence": 85
      }
    },
    "createdDate": "2026-05-19T13:47:02Z"
  },
  "meta": {
    "httpStatusCode": 200,
    "messages": []
  },
  "hasErrors": false
}

这些是预先处理好的样本文档，不是实时上传 —— 上面的数值和置信度是固定的。要用您自己的文档跑一遍，请走快速上手，或者联系我们的团队。响应信封就是提取文档里所记载的那一个。

操作演示

同一次运行，端到端录制下来。

上面那些样本是固定的。这段演示则是产品在一份真实文档上干活的屏幕录像 —— 包括它拿不准的那个字段，而这恰恰是排练过的演示会略去的部分。

录像尚未发布，所以这里暂时没有可播放的内容。我们宁可把这块位置空着，也不愿用一段并非产品本身的宣传片把它填满。

上传 —— 一张真实的发票或银行对账单，按平台实际的处理速度运行。
JSON 输出 —— 响应信封，并把每个值的边界框回绘到源页面上。
置信度 —— 逐字段的分数，包括模型唯一犹豫过的那个字段。
被标记的字段 —— 低置信度的值就地标出，并在页面上高亮它被读取的区域。
人工复核 —— 同一份文档在某个工作流的复核队列中等待，复核人修正被标记的取值，这次改动记在其名下。
Webhook —— 已签名的投递落地，携带着第一步产生的文档 id。

面向开发者

一次 POST，一个文件，换回结构化的 JSON 。

提取端点接收 multipart/form-data 和一把 bearer 密钥。既不需要 SDK，也不必声明 schema —— 平台会从文档本身挑出对应的模板。下面按语言分列的示例只是可选的便利，并不是依赖项。

端点响应的中位数为 150 毫秒，p95 为 300 毫秒，测量区间自 2026-10-29T14:35:00Z 至 2026-10-30T14:30:00Z，覆盖 19 个组件，仅欧盟生产区域。这是端点的响应时间，而不是一次提取要花多久 —— 文档处理耗时随体积和档位而变。它是怎么测出来的 →

               POST /Document/extraction
              
            

export COGNERIS_API_KEY="xtkt_live_…"
export COGNERIS_BASE_URL="https://api-eu.cogneris.ai"

curl -X POST "$COGNERIS_BASE_URL/Document/extraction" \
  -H "Authorization: Bearer $COGNERIS_API_KEY" \
  -F "file=@./invoice.pdf"
            

import os
import requests

with open("invoice.pdf", "rb") as document:
    response = requests.post(
        f'{os.environ["COGNERIS_BASE_URL"]}/Document/extraction',
        headers={"Authorization": f'Bearer {os.environ["COGNERIS_API_KEY"]}'},
        files={"file": document},
        timeout=60,
    )

response.raise_for_status()
print(response.json())
            

import fs from "node:fs/promises";

const form = new FormData();
form.append("file", new Blob([await fs.readFile("./invoice.pdf")]), "invoice.pdf");

const response = await fetch(`${process.env.COGNERIS_BASE_URL}/Document/extraction`, {
  method: "POST",
  headers: { Authorization: `Bearer ${process.env.COGNERIS_API_KEY}` },
  body: form
});

console.log(await response.json());
            

响应信封 —— data、meta，以及逐字段的置信度 —— 就是上面那份样本输出里展示的那一个。完整走查见快速上手；全部端点与状态码见 OpenAPI 规范。

API 与 webhook 示例

可以直接粘进项目里的独立示例，与已发布的 TypeScript、Python、.NET 和 Java SDK 并列 —— 我们只提供自己真正维护的东西。

语言支持，实测结果

今天任何语言都能用 —— 就是普通 HTTP，加上 multipart 上传和一把 bearer 密钥，没有任何绑定特定技术栈的东西。
已发布的包 —— SDK 已发布到 npm 和 PyPI（0.2.0）以及 NuGet.org 和 Maven Central（0.1.0）；pkg.go.dev 和 pub.dev 上没有。
自己生成客户端 —— 四条生成命令针对我们的规范跑过，产物也编译通过。
没有移动端客户端库 —— 请把上传留在服务端，从您的后端调用 REST 端点。

阅读完整的语言支持矩阵 →

想要一个可直接导入的工作区？下载 Postman 集合，或浏览公开示例仓库。

需要别的技术栈？这套 API 就是普通 HTTP 加 multipart 上传 —— OpenAPI 规范能为您已在用的任何语言生成客户端。

Model Context Protocol

把您的文档，交给一个智能体。

Cogneris 运行着一个 MCP 服务器。把 Claude Desktop、Cursor 或您自己的客户端指向它，智能体就能列出提取模板、上传 PDF、跑一次填充作业并读取用量 —— 走的是与 REST API 完全相同的 tenant 、相同的配额和相同的审计轨迹。

53 个工具，5 种作用域 —— 21 个只读，10 个可写，22 个带独立作用域，逐次调用强制校验
OAuth 2.1 加 PKCE —— 配置文件里不会躺着长期有效的密钥
区域化主机 —— mcp-eu 与 mcp-us，与您的 tenant 所在区域对应

阅读 MCP 指南

.cursor/mcp.json

{
  "mcpServers": {
    "cogneris": {
      "url": "https://mcp-eu.cogneris.ai/"
    }
  }
}

ReAct 架构

先推理，再动手的智能体。

Cogneris 不用一个庞大的单体模型，而是在 ReAct 循环（Reason ＋ Act，先推理再行动）中调度各有专长的智能体。每个智能体都有明确的职责范围、专属的工具，以及逐步留痕的审计轨迹 —— 这对受监管行业至关重要。

逐份文档的完整可追溯性
可按步骤精细重跑
每次运行的成本都可审计

cogneris.agents.pipeline

调度器

接收文档

分类智能体

识别类型

提取智能体

结构化数据

校验智能体

核对规则

欺诈智能体

评估风险

输出

JSON ＋评分＋ webhook

谁在用 Cogneris

为提取一旦出错就赔不起的团队而造。

Cogneris 已在银行、会计师事务所、房地产平台和嵌入式金融产品中投入生产使用 —— 凡是把文档读错的代价要用审计、监管罚款或流失的收入来偿还，而不只是用工程时间来偿还的地方。

银行与借贷

贷款申请、KYC 材料包、银行对账单与税表 —— 提取并交叉校验，用于授信决策。控制措施对齐 SOC 2 与 GLBA。银行业 →

会计与税务

解析 1040 源文件、发票、收据与银行对账单，服务于报税准备、应付账款自动化和月度对账。会计 →

房地产

过户材料包、产权承诺书、房契与评估报告 —— 每个字段都带完整来源留痕，可直接用于承保与过户。房地产 →

嵌入式金融

商户 KYC、对账单承保与交易对手风险审查 —— 大规模接入平台决策引擎。嵌入式金融 →

经过核验的输出

模型会凭空编出一个数字吗？

会的。模型输出本身并不是确定性的，所以 Cogneris 不会因为某个生成值看上去合理，就把它当作可信。每个字段都带有置信度，并且可以在您的工作流接受它之前，先走一遍证据与管控的路径。

字段级置信度 —— 一个拿不准的总额可以单独送审，而不必因此拖住文档里其他所有可靠的字段。
文档始终附在旁边 —— 源页面与区域引用让人或系统随时能核对某个值究竟从哪里来。
接受标准可配置 —— 在接受关键字段的取值之前，可以强制要求确定性规则、多模型一致，以及一个人工复核步骤。

阅读反幻觉架构 →

候选值

8,420.00 USD

置信度 0.94

01来源引用
第 2 页 · 应付总额区域
02确定性校验
币种、小计、税额与总计相互吻合
03多模型一致
所配置的模型返回相同的值
04人工复核
由你放入工作流的一个步骤；运行会在复核队列中等待
05审计轨迹
把模型版本、提示词与响应的哈希、各项检查以及复核人记录到防篡改的审计元数据中，审计留存期按合同约定，并可按 tenant 配置

合规

每一条主张，都附上证据。

Cogneris 目前尚未通过任何标准的认证，我们也不会暗示相反的情况。今天我们能拿给您看的，都是已公开、已写进合同，或正在推进中的 —— 下面每一枚标记打开的都是支撑它的那份文件，而不是又一页讲我们有多在乎的文字。

已认证 —— 目前一项也没有
已公开 —— 文件就在本站上
合同约定 —— 属于协议中的条款
未经核实 —— 待合规审查

已公开

子处理者披露

每一个接触客户数据的第三方 —— 列明名称、用途、法律主体与处理地点。任何新增之前，客户都会提前 30 天收到通知，并有权提出异议。

数据保护 §2 → 合同约定

GDPR —— DPA 与欧盟 SCC

Cogneris 以第 28 条所指的处理者身份进行处理 —— DPA 已纳入欧盟标准合同条款以覆盖 EEA 之外的数据传输，并要求每一个子处理者受同等条款约束。

数据保护 §1 → 合同约定

CCPA / CPRA —— 服务提供者

符合《加州民法典》§1798.140(ag) 所定义的服务提供者 —— §1798.140(ag)(1) 所要求的八项承诺，在本站上全文公开，而不是浓缩成一个徽标。

数据保护 §1.4 → 已公开

数据主体请求

一条您真正用得上的通道 —— 访问、删除、更正与可携带，SLA 为 30 天。如果数据归属于某位客户，我们会把请求转回给那位控制者。

隐私请求表单 → 已公开

实测可用性

实测得来，而非口头承诺 —— 这个数字由脚本从公开的状态源生成，提交进代码仓库；一旦页面与测量结果不一致，构建检查就会失败。它是历史记录，不是合同意义上的 SLA。

这个数字是怎么产生的 → 已公开

控制措施清单

我们的合规项目所跟踪的控制项名称 —— 按类别公布在信任中心。逐项的状态与证据，通过报告申请流程在 NDA 之下提供给企业客户。

信任中心控制措施 → 推进中 · 未经核实

SOC 2 就绪度

就绪工作正在推进 —— 我们没有在此宣称已取得报告。这里的状态措辞，在被视为最终结论之前，仍待我们合规项目负责人确认。

信任中心路线图 →

本页所列没有任何一项属于认证。关于加密、tenant 隔离与事件响应，请读安全概览；关于完整的子处理者清单、控制措施清单与证据申请，请用信任中心。

背景证据

示例性场景。

这些示例性场景描述了可能的工作流程设计。它们不是基准，也不是全生产环境的性能声明。

Cascade Legal

用于通过可追溯提取路径审核法律服务记录的场景。

Meridian Credit

在后续审核前结构化信贷文档的场景。

Northwind Health

为照护工作流程整理预先授权文档的场景。

能力概览：应用界面提供 15 种语言，公开的同步提取端点接受最大 10 MB 的文件。文档类型、提取字段、币种与页数上限，取决于 tenant 的 schema 与处理路径。查看有来源支撑的覆盖矩阵。

来自 Cogneris 资料库

先做功课，再列候选名单。

先了解这个品类，再比较各家方案，然后测算经济账。买家正是靠这些指南，从调研走到一个站得住脚的决定。

买家指南

什么是智能文档处理？

一份关于 IDP、OCR、提取准确率、集成、定价与厂商选型的实用指南。

阅读指南 → 市场报告

2026 年 Document AI 现状

市场背景、采纳模式、准确率基准，以及 2026 年正在重塑 document AI 的那些变化。

阅读报告 → 对比

Cogneris 对比 AWS Textract

比较 OCR、表单、表格、校验、流程自动化、定价，以及审计轨迹方面的要求。

比较各种选项 → 对比

Cogneris 对比 Veryfi

评估收据与发票提取、银行对账单、欺诈检查、流程分流与定价。

比较各种选项 → 定价

Document AI 定价对比

看看页面费率、起收门槛、附加项与复核成本，如何影响一条提取流程的真实价格。

比较定价 → 商业论证

文档自动化投资回报计算器

用您自己的文档量和复核工作量，估算每月节省、回本周期与 3 年经济账。

测算您的投资回报 →

常见问题

常见问题。

Cogneris 与通用的 document AI 接口有什么不同？

通用的 document AI 接口返回的是文本或字段。 Cogneris 返回的是结构化记录，带有逐字段的置信度、跨文档校验、一条审计轨迹（模型版本、提示词哈希、复核人 ID），以及限定在 tenant 范围内的权限模型。它是为这样的流程而造的：提取出错的代价要用审计发现或收入损失来偿还，而不只是用工程时间。

开箱即用支持哪些文档类型？

Cogneris 支持按 tenant 配置的分类与零样本提取。团队自行定义流程所需的文档类别与字段，然后在投入生产之前，用自己有代表性的文档校验输出结果。

如何计费？

按积分计费，费率公开。每项操作都从同一个积分池扣除：一份 1 页文档完成分类和提取消耗 4.2 积分。Free 提供 14 天 400 积分，无需信用卡；Pro 为每月 €99，含 5,000 积分。企业合同则包含反映承诺用量的议定费率。查看完整费率表，或者用投资回报计算器估算您这个用量下的开支。

集成需要多长时间？

Cogneris 提供 REST 接口和带签名的 webhook ，适合与各类记录系统做定制集成。上线时间取决于文档构成、校验规则、复核流程，以及下游的集成情况。

我在哪里可以更深入地了解 document AI 这个品类？

先看 IDP 买家指南 —— 一篇 14 分钟的读物，涵盖准确率、定价、厂商选型与集成模式。2026 年 Document AI 现状报告讲市场规模、分行业采纳情况与准确率基准。document AI 术语表则解释术语 —— IDP、OCR、HITL、ReAct、审计轨迹、子处理者等等。

开始使用

少一些电子表格。多一些数据。

预约 30 分钟演示。我们会现场演示平台处理您自己的文档。

预约演示查看定价

从任何文档 到 经过核验的决策。