样本文件是文件类别的示例文档，用于训练和优化文档分类与抽取模型。每个文件类别至少需要一个样本文件，最多十个样本文件。本文介绍如何通过 API 管理文件类别的样本文件。
上传样本
为指定文件类别上传样本文件：
curl -X POST \
-H "x-ti-app-id: <your-app-id>" \
-H "x-ti-secret-code: <your-secret-code>" \
-F "workspace_id=<your-workspace-id>" \
-F "category_id=<category-id>" \
-F "file=@/path/to/sample.pdf" \
"https://docflow.textin.com/api/app-api/sip/platform/v2/category/sample/upload"
workspace_id (必填): 工作空间 IDcategory_id (必填): 文件类别 IDfile (必填): 样本文件
响应示例：
{
"code": 200,
"msg": "success",
"result": {
"sample_id": "sample_123"
}
}
样本文件要求：
- 样本文件应该是该类别的典型代表文档
- 建议上传 3-5 个样本文件以提高分类准确度
- 支持的文件格式参考文档上传支持的格式
获取样本列表
获取指定文件类别的样本列表：
curl \
-H "x-ti-app-id: <your-app-id>" \
-H "x-ti-secret-code: <your-secret-code>" \
"https://docflow.textin.com/api/app-api/sip/platform/v2/category/sample/list?workspace_id=<your-workspace-id>&category_id=<category-id>&page=1&page_size=20"
workspace_id (必填): 工作空间 IDcategory_id (必填): 文件类别 IDpage (选填): 页码，默认为 1page_size (选填): 每页数量，默认为 20，最大为100
响应示例：
{
"code": 200,
"msg": "success",
"result": {
"total": 5,
"page": 1,
"page_size": 20,
"samples": [
{
"sample_id": "sample_123",
"file_name": "invoice_sample_01.pdf"
},
{
"sample_id": "sample_456",
"file_name": "invoice_sample_02.pdf"
}
]
}
}
下载样本
下载指定的样本文件：
curl \
-H "x-ti-app-id: <your-app-id>" \
-H "x-ti-secret-code: <your-secret-code>" \
-o "sample.pdf" \
"https://docflow.textin.com/api/app-api/sip/platform/v2/category/sample/download?workspace_id=<your-workspace-id>&category_id=<category-id>&sample_id=<sample-id>"
workspace_id (必填): 工作空间 IDcategory_id (必填): 文件类别 IDsample_id (必填): 样本 ID
响应：返回文件二进制流（application/octet-stream）
删除样本
删除指定的样本文件，支持批量删除：
curl -X POST \
-H "x-ti-app-id: <your-app-id>" \
-H "x-ti-secret-code: <your-secret-code>" \
-H "Content-Type: application/json" \
-d '{
"workspace_id": "<your-workspace-id>",
"category_id": "<category-id>",
"sample_ids": ["sample_123", "sample_456"]
}' \
"https://docflow.textin.com/api/app-api/sip/platform/v2/category/sample/delete"
workspace_id (必填): 工作空间 IDcategory_id (必填): 文件类别 IDsample_ids (必填): 要删除的样本 ID 数组
删除样本后无法恢复，请谨慎操作。每个文件类别至少需要保留一个样本文件。
样本管理最佳实践
样本选择
选择合适的样本文件对提高分类和抽取准确度至关重要：
- 典型性：选择该类别的典型代表文档
- 多样性：覆盖该类别可能出现的不同格式和版式
- 质量：确保样本文件清晰、完整、无损坏
- 数量：建议上传 3-5 个样本文件
样本数量建议
- 最少数量：每个类别至少 1 个样本（创建类别时必需）
- 推荐数量：3-5 个样本可以提供较好的分类效果
- 最多数量：每个类别最多 10 个样本
样本更新策略
当发现分类或抽取效果不理想时，可以考虑：
- 添加新样本：上传更多典型样本
- 替换样本：删除不典型的样本，上传更好的样本
- 样本多样化：确保样本覆盖各种可能的文档格式
示例：批量上传样本
import requests
import os
ti_app_id = "<your-app-id>"
ti_secret_code = "<your-secret-code>"
workspace_id = "<your-workspace-id>"
category_id = "<category-id>"
host = "https://docflow.textin.com"
url = "/api/app-api/sip/platform/v2/category/sample/upload"
# 样本文件目录
sample_dir = "/path/to/samples"
sample_files = [f for f in os.listdir(sample_dir) if f.endswith('.pdf')]
print(f"准备上传 {len(sample_files)} 个样本文件")
for filename in sample_files:
file_path = os.path.join(sample_dir, filename)
with open(file_path, 'rb') as f:
files = {'file': f}
data = {
'workspace_id': workspace_id,
'category_id': category_id
}
resp = requests.post(
url=f"{host}{url}",
data=data,
files=files,
headers={
"x-ti-app-id": ti_app_id,
"x-ti-secret-code": ti_secret_code,
},
timeout=60,
)
result = resp.json()
if result.get("code") == 200:
sample_id = result.get("result", {}).get("sample_id")
print(f"✓ {filename} 上传成功，ID: {sample_id}")
else:
print(f"✗ {filename} 上传失败: {result.get('msg')}")
print("样本上传完成")
下一步
