Jualan & MCP Server: Fix OCR Nota Tulisan Tangan dan Integrasi JSON
Perbaikan OCR Nota Tulisan Tangan dan integrasi REST Bridge JSON pada MCP Server untuk sistem Jualan.
Postingan dengan tag
20postingan
Perbaikan OCR Nota Tulisan Tangan dan integrasi REST Bridge JSON pada MCP Server untuk sistem Jualan.
Perbaikan akurasi pemrosesan OCR, penanganan hallusinasi tanggal sistem, dan perbaikan tampilan log LLM monitoring.
Pengembangan arsitektur Two-Pass Vision Analysis untuk penyuntikan RAG dinamis pada proses OCR nota belanja.
Resolves the 2025 date hallucination bug in OCR/transaction parser by fixing prompt injection logic. Updates LLM logging to omit static system prompts and prevent truncation.
Kompilasi seluruh 12 aturan utama OCR Engine, 16 aturan Smart Transaction Parser, serta dokumentasi penanganan spesifik Nota INDOMARCO Model 2.
Changelog perbaikan bug ekstraksi tanggal transaksi pada UI SmartNote, pembersihan skema OCR di MCP Server, serta implementasi logika diskon mutually-exclusive (anti-double counting).
Refaktor arsitektur OCR Engine dari prompt hardcode menjadi Dynamic RAG Injection. Pengetahuan penafsiran nota spesifik (seperti format Faktur FI RINCINSARI / KRT.LSN.SAT) kini disuplai secara dinamis dari Vector Database RAG saat runtime, bukan dikodekan statis di source code.
Resolusi atas isu visual template OpenCV yang gagal tersimpan, penyempurnaan AI OCR untuk membaca UoM dan tanggal secara cerdas, serta perbaikan tabel layout PDF pada laporan jurnal.
Changelog untuk penyelesaian bug tata letak PDF laporan jurnal, kesalahan fallback tanggal pada OCR, implementasi rotasi multi-API Key, serta catatan penyelesaian algoritma diskon OCR.
Optimasi prompt OCR Vision dan AI Structurer untuk peningkatan akurasi ekstraksi nota.
Menganalisis secara mendalam mengapa hasil OCR Test ke-2 mengarang bebas ("Kuningan Abi Fima") dan bagaimana model TrOCR meracuni pipeline NLP Parser.
Rencana perbaikan komprehensif untuk mengatasi halusinasi OCR, mempercepat latensi parsing (NLP), dan mengotomatisasi jurnal mandiri (QRIS/Transfer).
Rencana penerapan Contour Detection OpenCV secara dinamis untuk mendeteksi area nota demi memangkas latensi.
Memperbaiki state halusinasi OCR dan menyimpan data diskon & koreksi manual pada backend.
Rilis besar arsitektur Blonjo. Peralihan OCR Lokal menggunakan model transformer mutakhir (Donut) dan integrasi RAG Ingest via MCP Server.
Memperbaiki logika kalkulasi jatuh tempo pada Python Backend, mengintegrasikan Item-Level RAG secara rapi, dan menurunkan model OCR lokal Blonjo.
Menganalisis fenomena Prompt Bleed pada LLM yang memicu halusinasi OCR, memperketat aturan parsing "=" dan tanggal jatuh tempo, serta menyempurnakan logika penjurnalan Utang Usaha pada frontend.
Catatan rilis untuk fitur Item-Level RAG. Memecahkan masalah resolusi nama item dengan memanfaatkan memori vektor di MCP Server secara dinamis.
Menghapus jebakan teks pada prompt yang menyebabkan model lokal Ollama berhalusinasi saat membaca gambar sepotong atau tidak jelas, dan mengembalikan pipeline fallback Ollama -> Gemini.
Memperbaiki kalkulasi diskon agar tersimpan dengan benar dan menambahkan fitur tambah item manual untuk koreksi.