47 页 PDF 里的每个数字,都能一键溯源

你让 AI 帮你从一份 PDF 里提数据。它给你一个整整齐齐的列表：公司名、金额、日期、人物。

看起来挺好。但你敢直接用吗？

“$90 billion”——这个数在原文哪一页？是营收还是利润？你不知道。你只能自己翻回去找。

大多数 AI 提取工具，给你答案，但不给出处。

这就像实习生交了份报告，每个数据都没标来源。你要么逐个核对，要么硬着头皮信他。

如果每条数据都能”点回去”呢？

我们做了一个开源工具，叫 Super Extract。它和其他提取工具最大的区别就一个：

你提取出来的每一条信息，都能精确对应到原文的位置。

不是”大概在第几页”，而是精确到第几个字。

比如你扔给它一份巴菲特 2023 年致股东信（47 页），它会：

1. 读完整份文档

2. 提取所有关键信息——人名、公司、金额、日期、投资原则

3. 把每条信息对齐到原文的精确位置

4. 生成一个可以点击、筛选、跳转的可视化页面

整个过程不到一分钟。

看看实际效果

下面是提取后生成的页面。不同颜色代表不同类型：人物、日期、公司、金额。

点击任意一条信息，弹窗会告诉你：它是什么类型，在原文的什么上下文里出现。

比如你点 “$96 billion”，它会显示：类型是金额，上下文是”2023年净利润”。不用翻 PDF，不用猜，点一下就能验证。

怎么做到的？

核心就三步：提取 → 对齐 → 可视化。

第一步，AI 读文档，把关键信息提取出来。这一步有个硬性要求：提取出来的文字必须是原文里有的，不允许改写、不允许概括。这就从源头杜绝了”AI 编答案”的问题。

第二步是关键——对齐。一个不到 400 行的脚本，把提取出来的每条信息和原文做精确匹配，定位到它在原文中的起止位置。中文、日文这类没有空格的语言也支持。

第三步，根据定位结果生成交互页面：高亮原文、颜色编码、点击弹详情、前后导航。

不只是提取人名和金额

演示用的是财报，但 Super Extract 能提取的东西完全由你决定。

你可以让它从合同里提所有义务条款，从论文里提实验方法和结论，从招股书里提风险因素——只要你能描述想提什么，它就能提取并对齐到原文。

给你的 AI 加一个”标注出处”的能力

Super Extract 已经开源。它是 AI 编程助手的一个 Skill——装上之后，你的 AI 助手就多了一项能力：提取信息的同时，自动标注出处。

不需要配环境，不需要申请账号。AI 本身就是引擎，文档进去，带出处的结构化数据出来。

以前，”AI 说的对不对”只能靠人肉核查。现在，每个答案自己就能证明自己。

仓库地址：github.com/ReByteAI/super-extract

—END—

推荐阅读

 👉
 你的skill需要一个浏览器

 👉
 这恐怕是普通人离 claude code最近的一次了

点击下方名片 关注我们的公众号

⬇⬇⬇