非程序员用AI搭建了食材采购数据清洗工具

每天 2500-4000 条采购数据要人工核对，准确率只有 10%？我用 AI 做到了 70%+，没写一行代码。
公司的食材采购系统里面的数据，是不同平台聚集到一起的，每个平台的命名规则不一样，它们长这样： 「云南高山小土豆 净重 5 斤装 包邮」 「冷冻鸡腿肉 2kg / 袋 整件起批」 「山东大葱 净菜 约 500g / 份」 如果要对比不同品牌的土豆价格，只能够人工去识别后再比价，麻烦又效率低，有了 AI，就想着看看能不能把这些乱七八糟的文字，拆成标准字段：品名、规格、产地、单位……，便于后续对比不同品牌、规格商品的价格，确认采购价有没有偏高，以此来优化采购策略。
没有技术基础，一开始用的是工作流，耗费了好多积分，效果就是不如人意，出结果慢，还需要人工干预。
于是就不断尝试，摸索，终于用 AI 做了个解析工具，思路其实不复杂：
1️⃣ 先让 AI"懂行"—— 把品类规则、商品知识整理成知识库（就是 RAG）：鸡腿属于禽肉、5 斤 = 2.5kg……AI 先有常识，再干活
2️⃣ 多模型抽取 + 交叉校验 —— 几个大模型同时按规则抽取字段，结果一致直接通过，不一致就标记
3️⃣ 人只看 "拿不准" 的 —— 高置信度自动入库，低置信度才转人工，从 "全看" 变成 "只看异常"
结果：
✅ 准确率 10% → 70%+
✅ 单日自动处理 2500–4100 条
我不是程序员，代码全靠 AI 辅助写。但这件事让我更确信：业务人做 AI，核心真不是写代码，而是能不能把一团乱的业务，抽象成 AI 听得懂的规则 —— 这恰恰是干了 11 年一线业务的人最擅长的。
你们公司有没有那种 "重复到吐" 的录入、整理活？评论区说下场景，我帮你想怎么用 AI 干掉它👀