ARTICLE · 1128526
AI从PDF里抄出数字,你怎么知道它没抄错?
如果你让AI从一份PDF报告里整理数字，拿到的表格很整齐，却找不到每个数对应的原页，先别急着转给同事。
有出处也还不够。那段原文，必须真的支持这个数、这个单位和这个期间。
先把结果改成下面这个样式，缺什么就留下待确认，不让一张整齐的表替你做判断：
这张表的作用不是证明AI永远不会错，而是让你看清：哪些字段已有依据，哪些还不能拿来用。
文档工具在进步，检查也要落到每个字段
LlamaIndex在Extract v2.5的发布中，把值准确率、跨页记录、扫描表单和依据定位列为重点方向。
对要交付数据的人来说，值得关注的不只是工具能否把PDF变成表格，而是输出的每一行，能不能回到原文检查。
报告有长列表，表格可能跨页，扫描件还可能让数字看不清。一个字段即使带着页码，也可能少了上一页的表头，或者没有说明它属于哪条记录。
所以我的建议是：先检查字段与原文的对应关系，再看汇总是否合理。
不需要先换工具。你手里已经生成的那张表，就可以拿来检查。
先比原值，不替模糊数字做决定
下面用一个假设例子演示。文件、数字、页码和记录编号都为教学设定，不对应真实报告。
假设《库存报告A版》的PDF第8页写着：表头为“期末库存／件”，期间是“9月末”，记录A-017的数值是“128”。AI却输出了“126”。
这时不要只把126改成128。把原输出和复核结果同时留下，下一次才能知道改了哪里。
如果扫描图上最后一位看不清，就不要硬填128。原文值写“无法辨清”，状态写“待确认”，需要的下一步是找清晰原件或请负责这份资料的人确认。
看不清，不等于零；空白，也不等于没有。
数字一样，也要核对表头和期间
接着看这个假设例子。就算AI输出的是128，仍然要把“件”和“9月末”一起核对。
如果它把128放进“9月出库数量”那一列，数字没抄错，含义却变了。期末剩余和期间出库，不是一回事。
单位也一样。不要只截那一格数字：表头、行名、脚注，都可能是解释它的必要部分。
复核时，先保留原文写法。如果任务需要换单位、相加或计算比例，把原始值与计算结果分开，另列计算规则，不把算出来的数伪装成原文直接写出的值。
跨页时，确认下一行到底属于谁
再设一个假设场景：PDF第8页末尾开始记录A-018，第9页顶部接着写数量“36”，但这一页没有重复记录编号。
“36”能看清，不代表归属已经明确。要回看前一页的记录编号、续表标记和版式；没有足够依据，就别因为位置相邻直接合并。
这条结果可以先这样留：
这里保留“可能”很重要。它提醒你：值的识别和记录的归属，是两件要分别检查的事。
点开引用以后，还要看它支持什么
有些结果能直接点回原页，这很方便。但定位到一页，不等于找到了支持这个字段的证据。
如果引用只有“本月库存情况”这个章节标题，没有对应行、列和期间，就还不能确认128应该填在哪里。
检查引用时，沿着这条顺序走：找到数字所在格，往上看列名，往左看记录名，再核期间、单位和脚注。跨页字段，把相关页一起保留。
如果字段是推断或计算出来的，另列支持片段与计算过程。你需要知道的是它从哪里得来，不是只拿到一个看起来可信的页码。
把这份表和指令，放进下一次任务
开始前，先固定你要检查的那份文件版本和目标字段。PDF阅读器显示的页码与文档印刷页码不一致时，把两者分别写清，避免别人打开后找错位置。
这张空白表可以复制进表格软件。一行只放一个字段；同一记录有多个字段，就拆成多行。
也可以把下面这段指令交给你正在用的AI，再填入文件名和字段列表：
1 2 3 4 5 6 7 8 9 10 11 12 请仅从我提供的这份PDF中整理指定字段，不使用外部资料补齐。
文件及版本：由我填写。
目标字段：由我填写；每个字段独立一行，并保留所属记录标识。
请按以下列输出表格：
文件／版本、记录标识、字段、抽取值、单位、期间、PDF页码、印刷页码、原文片段及行列位置、跨页归属依据、直接抽取／推断／计算、计算规则、待确认项。
数字按原文保留。单位、期间和记录归属须有表头、行名、脚注或相应原文支持。
无法读取、原文缺失或归属不明确时，写明待确认原因，不填零，不猜值。
跨页字段列出涉及的页码和接续依据；依据不足时不要合并记录。
推断或计算结果与直接抽取值分开，列出支持片段和计算规则。
如果你无法提供准确页码或定位片段，请明确写无法定位，不编造引用。 这段指令只是在说清交付要求，不能替代你打开原页复核。
先挑出会影响决定、必须交给同事的关键字段，逐项检查。发现差异，就把原输出、原页依据和处理结果一起留在表里；关键字段仍待确认时，不用于业务判断。
等这套检查能用起来，再考虑处理更多文件。先别让系统直接改业务记录，高风险结果仍由负责的人确认。
AI替你整理出来的是一份结果。你要交出去的，是一份能回查、能解释、知道哪里还没确认的结果。
