Etapa 3 — Reglas

2.6 Etapa 3 — Capa de expresiones regulares y reglas

La capa de expresiones regulares se ejecuta siempre después del LLM. El LLM es un reconocedor rápido de patrones; la expresión regular es un verificador determinista.

Lo que regex detecta y el LLM omite

La capa de reglas añade verificación determinista en cuatro categorías:

1. Reconciliación de totales. El LLM ocasionalmente redondea o normaliza el total general. La capa de reglas vuelve a extraer el total impreso del texto OCR y anula el valor del LLM en caso de discrepancia.
2. Normalización de fechas. Los recibos usan múltiples formatos de fecha regionales y nombres de meses específicos de la localidad. Todas las variantes convergen a ISO 8601.
3. Desambiguación de moneda. Los tokens de moneda mixtos se resuelven por frecuencia y localidad del comerciante.
4. Detección de líneas fiscales. Las líneas de tasas impositivas específicas de la localidad (p. ej., KDV en Turquía) se detectan a partir del texto impreso en lugar de inferirse por el LLM.

Catálogo de reglas

El catálogo se organiza por categoría: totales, impuestos, fechas, moneda e identificadores de comerciantes. Cada categoría contiene familias de reglas específicas de la localidad para los idiomas en los que operamos. Los patrones específicos y los pesos por regla se gestionan en la capa operativa interna.

Impulso de confianza

Cada acierto de regla verificado eleva la puntuación de confianza de la capa de expresiones regulares. Los recibos que se concilian limpiamente reciben una puntuación más alta; los recibos con totales no reconciliados llevan una brecha de reconciliación que el puntaje de confianza lee como una de sus entradas. El peso asignado a esa entrada se gestiona en la capa operativa interna.