能否将Form Recognizer作为认知技能用于Azure Search结构化索引PDF发票内容

首先直接给结论：你完全可以将Form Recognizer作为自定义认知技能接入Azure Search的技能处理管线，完成PDF发票的结构化提取和索引入库需求。

核心实现步骤 #

• 优先用Form Recognizer的预训练发票模型，不需要自行标注训练就可以提取发票编号、开票日期、购销双方名称/税号、总金额、税额这类通用发票字段，适配性已经覆盖大部分商用发票场景；如果是特殊定制版式的发票，标注30-50份样本训练自定义模型即可。
• 将Form Recognizer的调用逻辑封装成HTTP触发的Azure Function，按照Azure Search自定义技能的输入输出schema调整返回值格式，作为自定义技能接入Azure Search的技能组。
• 配置Azure Search索引器的技能执行逻辑，输入为存储中PDF发票的内容流，输出为Form Recognizer返回的所有结构化字段，再将这些输出字段一一映射到你提前建好的Azure Search索引对应字段即可。

几个需要注意的细节 #

• 建议使用Form Recognizer v3.1及以上稳定版本，预训练模型的准确率和支持的字段范围都更完善。
• 配置自定义技能的时候要适当调高超时阈值，避免多页PDF识别时触发调用超时，同时配置合理的重试策略降低偶发调用失败的影响。
• 做字段映射时注意数据类型匹配，比如金额、税额这类数值类字段要对应索引中的数值类型，不要直接用字符串类型，方便后续做数值过滤和聚合查询。

内容的提问来源于stack exchange，提问作者Mr. code