Dla biznesu
Co to jest
Sprowadzenie wszystkiego do jednego spójnego kształtu: te same nazwy pól, formaty dat i struktura rekordu, niezależnie od źródła.
Dlaczego to ważne
Jeden kształt oznacza jeden zestaw reguł w dalszych krokach, tańszy w budowie i łatwiejszy w audycie, a nowe źródła podłącza się bez przebudowy pipeline’u.
Ryzyko bez tego
Każdy kolejny krok obrasta wyjątkami dla poszczególnych źródeł, a błędy chowają się w różnicach.
Dla inżynierów
Jak to działa
Kanoniczna schema dokumentu (źródło, typ, znaczniki czasu w UTC, język, mówcy, tekst, pochodzenie) jest zdefiniowana raz, a każde źródło ma mapper, który ją zwraca. Informacja o pochodzeniu wiąże każdy znormalizowany rekord z jego surowym obiektem.
Typowy stack
- TypeScript
- Zod / JSON Schema
- workery Lambda albo kontenerowe
Pułapki i kompromisy
- Wersjonuj schemę: stare rekordy trzeba będzie migrować.
- Normalizuj strefy czasowe na wejściu, nigdy później.
- Trzymaj oryginalny tekst obok oczyszczonego na potrzeby audytu.
W tym przykładzie
Wejście
→ transcript.txt fact-find.pdf → tekst
Wyjście
{ source: "meeting",
speakers: 2,
date: 2026-10-12 } Fikcyjny przykład · nie system klienta