AI读PDF,认出文字还得保住表格

把一份PDF交给AI，想得到整齐的物资清单。文字都转出来了，品名、数量、单位也一个不缺，我们就能直接拿去汇总吗？还要确认：这些数字有没有留在原来的那一行，表格下面的小字有没有一起读进去。

10月7日，LlamaIndex发布了OpenDocRouter，一个可以调用不同文档解析模型的入口。它接收PDF或图片，把文档转成Markdown，也就是一种便于继续处理的文本格式。这让比较不同模型更方便，但统一入口并不会自动替我们检查转出来的内容。

它有一项与核对很相关的功能：开启版面定位后，解析结果可以带上文字所在的页面区域、元素类型和阅读顺序。官方公开界面把原页与解析结果并排展示，原页上的彩色框对应标题、文字、表格等区域。下面是官方教学样例的解析界面，并非本账号上传文件的记录。

OpenDocRouter官方教学样例界面局部。图中百分比为界面置信标记，非本账号准确率测试。

这篇先回答一个具体问题：怎样判断一份PDF已经转成了可用的材料，而不只是转成了看起来很完整的文字？

我们读表格时，眼睛会顺着行和列寻找对应关系。左边是什么东西，中间有多少，右边是什么单位，表头还会告诉我们数字的含义。把页面转成一串文字后，这些关系需要靠输出格式继续表达。

所以，核对时先看一整行。拿品名作起点，沿着原页检查数量、单位和备注，再对照转出的结果。遇到合并单元格，继续确认它覆盖的是一行、几行，还是整组项目，不能默认重复出现的空白格都表示“没有”。

表头也要保留。有的文件一列写的是单件重量，另一列是总重量；有的用括号注明单位。只保存数字，随后让AI猜列名，会把原本明确的信息变成新的推断。

PDF转写的第一项检查，是原来的对应关系有没有保住。输出长一点、排得整齐一点，都不能替代这个检查。

OpenDocRouter的文档说明，版面定位结果包含页面尺寸、按阅读顺序排列的元素、它们覆盖的文本行，以及原页上的位置框。说得简单些，就是让一段转出来的文字有机会对应回原文中的某一块。

这个功能对核对的帮助很具体。你看到一项数量，可以去原页找它；看到一段像是表下注释的文字，可以检查它靠近哪张表。返工时不用只在长文本里搜索，还能带着页码和位置去看原来的排版。

但框住一片区域，不代表区域里的每个字都认对了。文档也保留了无法定位或定位失败的情况。位置是找回原文的线索，读者仍要看内容和关系。不要把“能显示彩色框”当作表格已经核验完的标志。

对真正需要使用的数据，可以留三份材料：原始PDF、这次转出的文本、关键项目对应的页码。工具提供位置时再把位置一并留住。换了模型或重新识别后，也能找到同一处原文比较。

在这一阶段，不必让AI马上总结整份文件。先挑一张表核对对应关系，确认材料能往下用，再提出汇总问题。这样更容易分清错误发生在转写时，还是后面的理解和整理时。

有些最影响使用的说明并不在表格里面。表下可能写“数量为每组配置”，页脚可能注明统计日期，续页可能补充一条适用条件。如果清单只留下主体内容，读者后面看到的数字就少了它原本的限制。

双栏页面也值得单独检查。人会先读完左栏，再转向右栏；段落在中间断开时，转写结果可能出现看着通顺、实际接错的情况。核对一段的开头和结尾，比只确认几个关键词出现了更有帮助。

跨页表格则要看断开的两页。上一页有没有留下未结束的一行，下一页是否重复了表头，备注是不是只写在最后一页。可以把这些位置列出来，请AI协助整理；最终仍回到原页确认，不根据空白或顺序替它补内容。

我的建议是，第一次检查别平均扫一遍所有文字。先找那些会改变数字含义的地方：单位、表头、注释、续页和日期。它们字数不多，却可能决定后面该怎样使用整张表。

一个入口能换不同模型，确实减少了比较的麻烦。但如果第一轮用清晰原件，第二轮换成手机拍照，第三轮又截掉了页脚，结果差异就不只来自模型。输入改变后，很难说明到底哪一轮更适合这份文件。

更实用的做法，是先留一份固定的小样本。可以包含一张普通表、一处合并单元格、一次跨页和一段注释。先把你真正需要的字段列出来，再对照原页，记录每个结果做对和做错的具体位置。

官方文档还说明，每个模型使用的解析配置有版本。比较时保留模型和版本、输入文件、是否开启版面定位等条件。它们不用写成一篇技术报告，但应足够让下次复查知道当时比的是什么。

也别用“答案更长”评价谁更好。对整理物资清单来说，某个结果认错一处不影响任务的标题，另一个结果把数量和单位串了行，两种错误造成的后果不同。把重要字段单独核对，比只看整体印象更接近实际需求。

这种比较不一定要一开始覆盖几十种模型。先看手头能够使用的两种结果是否解决了你的问题；遇到同一类错误，再决定要不要换工具、调整输入或保留人工核对。不要为了找一个笼统的“最强”，把任务本身丢了。

拿到一份返回结果，先确认每页有没有成功处理。OpenDocRouter把每页状态列出来，也区分全部完成、部分完成和失败。部分完成时，已经转出的文字仍可能很多；直接让AI总结，会把没有读到的页面藏在一份流畅的摘要后面。

完整处理也只是下一步的起点。它说明流程处理了这些页面，不能证明每个字段都准确。把页数检查、结构核对和重点字段复核分开做，才知道目前可以使用哪些材料，还有哪些地方需要回看。

如果只是粗略了解一份公开介绍，检查重点可以少些；如果要按清单准备物资，数量、单位、适用范围就应逐项确认。任务越依赖具体数字，越需要留下它对应的原页，方便后来的人复核。

乾元判断是，文档解析工具让“把PDF交给AI”更容易了，真正值得保留的是核对的通道。文字转出后仍能回到原页，行列、注释和页码也有着落，后面的摘要与统计才有一份可以检查的输入。

下次拿到一份整齐的AI清单，可以随手选一行回看：品名、数量、单位和备注，是否还像原页那样对应？能回答这一个小问题，往往比多生成一段漂亮的总结更有用。