做生意的人都熟悉这个场景：客户下单的方式千奇百怪。有人发一句微信——「张经理 A 产品 200 件 单价 8 周五要」；有人甩来一张 Excel；有人直接拍一张报价单照片；还有人给一份扫描的 PDF。而公司这边，得有人把这些一条条手动敲进系统，又慢又容易错。
这篇记录我怎么做一个自动录入工具：让 AI 把这些“任意格式”的来单读懂，变成一条规整的订单，自动写进一个团队都能看的在线表格。工具本身不难，难的是怎么让它可靠到敢真用。我把过程里的判断和踩过的坑都写下来。
内容做了脱敏——所有涉及具体项目的地方都用「某企业」「某产品」这类说法，方法是通用的，任何要把“杂乱输入变成规整数据”的场景都用得上。文章写给完全的新手，术语第一次出现都会用一句白话解释。
先看整体：数据怎么流动
先说两个词：结构化数据，就是一条条字段整齐的记录（客户、产品、数量各占一格），方便统计和查找；与之相对的是一段大白话文字，叫“非结构化”。这个工具干的事，就是把非结构化的来单，变成结构化的订单。
再一个：多模态大模型——“多模态”指它不仅能读文字，还能看图。所以一张拍下来的报价单，它也能“看懂”里面写了什么。
整条流水线是这样：
- 任意格式来单（文字 / Excel / Word / 图片 / 扫描 PDF）；
- 多模态解析：模型读内容，抽出订单字段，并对每个字段标注“确定还是不确定”；
- 换算·归一：把“千克 / kg”统一成“公斤”这类，单位口径拉齐；
- 写入表格：确定的字段正常入库，原文和原件永久留底；
- 留底·提醒：有拿不准的，标记“待复核”并提醒人来看。
最后订单落在一个在线多维表格里——就是那种既能当数据库、又能当看板和统计面板的云端表格（例如飞书 / Lark 这类），团队多人可以同时查看、分类、做报表。AI 只负责“录入”这一个动作，查看和协作仍然交给表格本身。
一条总纲：保守优先
在写任何功能之前，先定了一条压倒一切的原则——宁可留空，也绝不瞎填。模型对一个字段没把握时，让它空着、标记出来让人补，而不是猜一个填进去。因为录错一个数量或单价，比空着更糟：空着有人会补，填错了没人知道。
围绕这条总纲，有五条设计原则贯穿始终：
- 保守优先：字段不确定就留空、标记，绝不猜测填错；
- 原文永久留底：每条记录都把原始文字和原始文件存进去，任何时候可追溯；
- 置信度驱动复核：模型对每个字段输出“确定 / 不确定”，只要有一项不确定，整条打上“待复核”；
- 幂等防重：同一份来单不会被重复录入两次（后面解释“幂等”）；
- 失败不致命：某一单解析失败就记日志、跳过，继续处理下一单，绝不让一颗老鼠屎坏一锅粥。
核心手法：让模型“只吐结构化 JSON”，还带“确定度”
这是整个工具最关键的一步。我们不让模型用大白话回答，而是要求它只返回一段严格的 JSON——JSON 是一种机器好解析的、键值对格式的文本。而且每个字段不只给值，还要给一个置信度标记（confident: true / false），也就是模型自己判断“这个我拿得准吗”。
给模型的指令（提示词）大致长这样：
你是订单信息抽取助手。从来单内容里抽取字段，只返回 JSON，不要任何多余文字。
每个字段包含 value（值）和 confident（是否确定）：
{
"客户名称": {"value": "", "confident": true/false},
"产品": {"value": "", "confident": true/false},
"数量": {"value": null, "confident": true/false},
"单位": {"value": "", "confident": true/false},
"单价": {"value": null, "confident": true/false},
"原文摘录": "留底用的关键原文"
}
规则：
- 找不到的字段 value 留空，confident 设 false。
- 拿不准、模糊、有多种解读的，confident 一律 false（宁可标记复核，绝不猜测）。
- 单位归一化：kg / 千克 → 公斤 …几个让它稳定的小手法，都是反复试出来的：
- 给一两个例子（术语叫 few-shot，“给几个示范”）：在提示词里放一条“输入长这样、输出就该是这样”的范例，模型照着学，格式稳很多；
- 温度设 0：“温度”是模型的随机性旋钮，调到 0 让它每次尽量给一致的结果——录数据要的是稳定，不是创意；
- 要求归一化：单位、称呼这些口径在提示词里就规定死，别指望入库后再清洗；
- 容错解析：模型偶尔会不听话，在 JSON 外面套一层 markdown 代码框，或前后多几句话。代码里做个兜底——截取第一个
{到最后一个}再解析，别因为一层壳就整条失败。
- 因为这一个布尔值，把“模型的不确定”变成了程序能读、能据以分流的信号。后面“自动入库还是找人确认”，全靠它。没有它，你只能要么全信、要么全查，没有中间地带。
一道闸门：自动入库，还是弹窗让人确认
有了每个字段的“确定度”，就能设一道置信度闸门来分流：
- 所有关键字段都“确定” → 自动入库，屏幕上给一条绿色回执（客户 + 产品 + 数量 + 单价 + 金额），录入员瞄一眼就行，不打断；
- 任一关键字段“不确定” → 弹出一张确认卡：不确定的字段高亮、旁边给输入框让人补；确定的字段也显示、也允许改。人点“确认入库”才真正写进表格。
这里有个刻意的设计——“关键字段”只圈定客户、产品、数量、单位、单价这几个；联系方式、备注这类次要字段不确定，不强制打断，可以入库后再补。别让每一点小瑕疵都拦住人，那样自动化就没意义了。
- 刚上线时，故意把触发确认的门槛调低——稍有不确定就弹窗，让人多确认几次，攒对系统的信任；用一段时间、确认它识别得稳，再放宽到“更多单直接自动入库”。
- 关键是：把这个松紧度做成一个可调参数（配置里的一个阈值），以后调节不用改代码。
给非技术员工的“傻瓜界面”
底层引擎能无人值守地批量处理，但真正天天用它的是不懂代码的录入员。所以在引擎之上，做了一个聊天式的网页界面：打开就是一个像聊天窗口的页面，打字或把文件拖进去，系统当场解析——确定就自动记好、不确定才弹出来让补。
几个定位上的判断，比功能本身更重要：
- 不让员工碰命令行：做一个双击就启动的图标（背后帮他把服务开起来、把浏览器打开到录入页）。员工的世界里只有“双击、打字、拖文件”；
- 复用，不重写：界面直接调用已经跑通的解析、换算、写库函数，不把底层逻辑重抄一遍——两套代码各写一遍，迟早不一致；
- 划清边界，故意不做：不做登录（就一台电脑一个人用）、不做多轮闲聊（这是录单器不是聊天机器人）、绝不给它任何能改代码 / 删文件 / 跑命令的能力。界面越“笨”，越不可能被误操作弄坏。
- 给非技术同事的工具，“不能做什么”和“能做什么”一样重要。把危险能力从一开始就关在门外，比事后叮嘱“别乱点”可靠得多。
各种格式怎么读：分流 + 复合成一单
“任意格式”听着吓人，拆开其实就两条路：
- 能抽出文字的（txt / Excel / Word / 带文字层的 PDF）→ 先把文字抽出来，走文本模型（更便宜更快）；
- 抽不到文字的（图片、扫描件 PDF）→ 转成图片，走多模态模型用“看”的。判断扫描件很简单：PDF 抽文字如果抽出来是空的，基本就是扫描件，转图片走视觉。
还有个常见情况：一笔订单的资料是分开的——一段文字说明 + 好几个附件。做法是把它们综合成一条订单来解析，并定两条规矩：
- 信息冲突时，以文字说明为准，文件作为补充佐证；
- 给图片数量设个上限（比如一次最多 6 张），超了只取前几张并标记需人工复核——防止一次塞太多把请求撑爆、反而漏信息。
人和模型，各干各的
回头看，整个工具其实是一次分工：
- 模型接下体力活：读各种格式、从乱文本和图片里抽字段、把单位口径拉齐、批量重复处理；
- 人只做裁决：补模型标“不确定”的字段、点最终确认、定规则和松紧门槛。
这不是“AI 全自动”，也不是“纯人肉”，而是把判断留给人、把重复留给机器。模型再强，也是它读、人拍板。
改单、留痕与不重复
真实业务里订单会变，还要防重复，这几处也定了规矩：
- 改已有单：不靠人翻找。系统按“客户 + 产品”列出候选，人选中一条，弹出“旧值 → 新值”的确认卡，只改提到的字段、不误伤其他，并且把这次改动追加到修改历史里留痕；
- 永久留痕：哪怕是自动入库的单，原文也写进“原始信息”字段、原件挂到“附件”。任何一条记录都能回溯到它最初长什么样；
- 幂等防重：**“幂等”**的意思是——同样的操作做一次和做多次，结果一样。这里用“文件名 + 内容指纹”做判断，同一份来单不会被录进去两次。
部署与那些用血换来的坑
把开发机上跑通的东西交付到真正使用的机器，往往才是真考验。这几个坑，值得任何做类似工具的人先知道：
| 坑 | 现象 | 对策 |
|---|---|---|
| 模型端点没切 | 换到交付环境后解析报错 / 读图能力变了 | 开发和交付可能用不同的模型服务地址（base_url）；交付前切到目标端点，并用真正的多模态模型重测读图，别拿开发时的模型想当然 |
| 在线表格的“AI 自动提取”字段 | 脚本刚写入的数量、单价，过几秒被清空或改掉 | 这类在线表格常带一个“AI 从文本自动提取”的字段功能，它会在你写入后反读原文、覆盖你的值。给关键字段一律用普通文本列；金额这种用公式列（公式只读不抢写） |
| 分两步写入 | 先建记录、再补附件，触发上面那个覆盖 | 一次写完：字段和附件在同一次写入里提交，别“先建后补” |
| 启动脚本乱码 | 双击启动脚本直接报错、命令被拆坏 | 有些系统的地区设置不是 Unicode，启动脚本（.bat/.vbs）的内容要纯英文；中文界面放到浏览器网页里（网页是 UTF-8，正常） |
| 云同步截断文件 | 读到的文件是被截断的半截，处理出残缺结果 | 云盘（OneDrive 这类）同步中的文件可能只同步了一半就被读到；重要文件确认同步完成，或改从本地可靠位置读 |
最后这条尤其要记：云同步很方便，但它同步到一半的文件是“薄薄一层壳”。 项目从云端搬到本地、或跨机器迁移时，最容易在这里悄悄丢东西——文件看着在，内容却缺了一块。
结语
做完这个工具，最深的感受是：让 AI 读懂杂乱输入，技术上已经不难；难的是让它“可靠到敢真用”。 而可靠不来自更强的模型，来自几条朴素的规矩——
保守优先（不确定就留空）、原文留底（永远可追溯）、置信度复核（把不确定交给人）、人来拍板（模型读、人定）。
模型会一代代变强，但这几条规矩可以作为稳定的一层保留下来。工具真正的价值，不是“全自动”这个听着酷的词，而是——把重复交给机器、把判断留给人，两边都做自己最擅长的事。