手里一堆零散扫描件要拼成一个 PDF,交给 AI 到底能省多少事 ?

3 个文件 10 页拼成 9 页，AI 删了那页空白，其余全留着等你确认

AI 帮普通人解决问题

最近我在测一件事：报销、办证、交材料，手里一堆零散扫描件要拼成一个 PDF，交给 AI 到底能省多少事。为了不碰任何真实文件，我照着最常见的情况构造了 3 个 PDF：一份 3 页的租房合同，第 2 页是横躺的宽表格；一份 5 页的报销单据，附件说明误排在了发票前面，最后还多扫进来一页空白；一份 2 页的银行流水，第 1 页带了个错误的方向标记，打开显示是横的。然后我只给了一段话：合并成一份报销材料，发票在前、流水其次、合同最后，横的转正，空白页去掉。

它做的第一步不是合并，是体检：3 个文件 10 页逐页过，报出 4 处问题——1 页横躺、1 页方向标记错、1 页空白、页序乱。然后才动手，全流程 1.6 秒，拼出 9 页终稿。

图2：AI 体检 3 个文件 10 页，4 处问题全部发现并处理（真实测试输出）

对出来的结果有几个值得说的细节。空白页是被「拦」下来的，不是碰巧没拼进去——我把单据文件 5 页全量再写入一次做专项验证，检测器拦掉空白页后剩 4 页，证明它是真的在工作。两处方向问题的修法也不一样：流水那页是方向标记错了、内容本身是正的，把标记归零就修好；合同附件那页本来就是个横表格，AI 不敢替我做主它该横读还是竖读，按「统一竖版」加了旋转标记，同时明确标注「宽表格内容是否需保持横读，待人工确认」。

图1：整理后的 9 页报销材料，p8 横躺页统一竖版待人工确认（真实测试输出）

但这期实测里最值钱的，是过程中我自己踩的坑。第一版脚本里，我把「方向标记错」和「页面横躺」用同一套逻辑处理，结果流水页转正后尺寸交换变成了横页，又被「横躺统一」逻辑二次旋转——修一下、歪一下，连环出错。这两件事看起来都是「页面是横的」，本质完全不同：一个是内容正、标记歪，撤销标记就好；一个是内容本来就横着，要不要转取决于它是不是宽表格。人分得清，规则如果混着写就出事。AI 帮你执行没问题，但它不会替你发现「你的规则本身有歧义」——这一层，得自己想明白。

丑话也要说。这次能自动排序，是因为构造的页面带文字层，AI 能读出「发票 1」「附件说明」这些标题；手机拍的纯图像 PDF 没有文字层，AI 根本不知道哪页是发票，页序必须人工给清单，或者先做 OCR——而 OCR 认错一个数字，页序就跟着错。空白页检测也有边界：扫描仪产出的空白页往往是一张「白纸的照片」，文本层判空无效，得靠像素分析，这是另一层工序。还有体积：合并只是把页面原样搬进一个文件，合并后 152KB 就是三份之和，想压小得另走压缩，压完还得回头检查小字有没有糊。

最后是隐私这条线。扫描件里最常见的正是身份证、合同、银行流水这类最敏感的东西，而网上搜「PDF 合并」排在前面的全是在线工具——文件要传到别人的服务器。多数工具承诺「1 小时删除」，但删除不等于真删：备份、缓存都可能让文件多活一段时间。我的做法是把敏感文件留在本地处理，手机上用自带扫描或本地工具，电脑上用离线方案；在线工具只处理不敏感的东西。这次实测里那页银行流水要是传给了陌生服务器，省下的两分钟可能不划算。

那次整理完，9 页材料按顺序躺在同一个文件里，只有横表格那页旁边留着一行「待人工确认」。让我踏实的不是 1.6 秒的速度，是它把「不敢替你决定」的地方明明白白标了出来——文件要交出去，最后的把关人还是你。