# AI提取单据字段怎样验收：把原文定位与人工复核接起来

原文：https://www.99idc.cn/blog/ai-document-extraction-human-review.html

作者：广深互联技术团队

发布时间：2026-10-21T09:26:00+00:00

内容更新时间：2026-10-21T09:20:28+00:00

## 摘要

AI单据提取怎样保留页码与原文，区分格式和业务校验，并通过字段字典、人工确认和测试样本衔接正式业务。

## 正文

把扫描件、PDF或照片中的订单信息整理成结构化字段，是企业常见的AI应用方向。但“识别出一段文字”和“得到可以进入业务系统的数据”之间，还隔着格式、单位、明细对应和人工确认。金额读对了，若把含税金额放进未税字段，结果仍然不适合直接使用。设计这类应用时，应先确定字段含义与复核流程，再选择识别和模型方案，避免把看起来整齐的输出误当成已经核准的业务记录。

AI生成的业务场景示意图，非真实客户、产品或经营成效展示。



## 从字段字典开始约定结果



字段字典不只是名称列表，还要写清含义、格式、是否必填与来源。例如“交货日期”是单据要求日期、供应商承诺日期，还是实际送达日期，不能混用。对于数量，需要同时保留计量单位；对于价格，应说明币种、税率与含税口径。单据缺少信息时，应允许明确返回未识别或原文未提供，而不是为了填满表格让模型推测。企业可以先选一种高频单据和少量关键字段，确认业务人员真的需要这些数据，再逐步扩展其他版式。



## 让每个关键字段能回到原文



复核人员需要知道数据来自哪一页、哪一段或哪个区域。除了抽取值，可以保存文档内部编号、页码和相应文本片段，并在界面上提供便于查看的定位方式。不要把完整客户单据暴露到不必要的日志或公开链接中，证据访问应遵守企业已有权限。对于跨页明细，还要检查页脚总计、续表与行项目是否被错误拼接。模型提供的解释本身也需要核对，不能因为输出附带了一个页码，就默认页码能够支持该字段。



## 将格式校验与业务校验分开



日期是否符合格式、数量能否解析为数字，属于格式检查；订单合计是否与明细一致、某个物料单位是否允许使用，则属于业务检查。两类问题应向复核人员清楚展示。举一个教学假设：原单据写“十二箱，每箱十件”，系统应明确数量字段采用箱还是件，并保留换算依据，不能只输出一百二十而丢失单位。对存在歧义的字段，优先展示原文与候选解释，让有权限的人员确认，不把不确定内容悄悄转成正式数据。



## 按影响安排人工复核



不是所有字段都具有相同风险。备注漏一个标点，与收款账户或金额错误的影响不同。可以由业务负责人明确必须人工确认的字段，以及可以通过规则检查后进入待处理区的字段。这里的待处理数据还不等于正式入账或已审批记录。复核界面应便于比较原值、建议值与最终确认值，修改后保留操作人和时间。不要只用模型给出的置信度决定是否自动通过，因为不同模型和不同文件条件下，分数的含义可能并不一致。



## 用实际难点构造测试集



验收样本应覆盖清晰文件、低分辨率照片、旋转、印章遮挡、缺页、跨页表格和同名字段等情况，优先使用自制或经合法脱敏的资料。样本数量应按版式差异与业务风险决定，不能用少数漂亮示例推断所有单据都适用。对每份样本，由业务人员给出可核对的参考结果，再分别统计字段错误、缺失与明细错位。文档级完全正确率和单字段正确率应分开，不要以大多数普通字段正确掩盖少数关键字段持续出错。



## 确认后再进入后续业务



建议把接收文件、提取结果、人工确认和正式提交分成可追踪步骤。文件损坏、提取失败和复核退回应有明确状态与处理入口，不能都显示为成功。若需要将结果写入采购或财务系统，应另外核对目标对象、操作权限和重复提交的处理方式。重新提取同一文件时，也要知道这是替换未确认草稿，还是产生新版本，避免原有复核结果被静默覆盖。正式上线后，可定期抽查新出现的版式，将错误样本纳入后续评测。



企业准备这类项目时，可以先提供脱敏样本、字段字典、复核责任人和进入正式系统的条件。四项资料明确以后，才能有效比较实现方式。广深互联提供AI应用与软件定制相关服务，本文由广深互联技术团队整理。本文说明的是设计与验收思路，不代表对任意文件类型、识别正确率或无人审核入账能力作承诺，实际范围需要结合数据和业务规则确认。