夜雨聆风「智编说AI」漫画科普系列·第六集
把 PDF 变成 XML？先让 AI 做好元数据提取
AI 先整理元数据，编辑再校对把关。
🤔 PDF 扔给 AI，就能生成 XML 吗？
▲ PDF 不能直接变 XML，先把元数据整理准
上集预告已经发出一段时间，其间有读者问智编：PDF 扔给 AI，是不是就能直接生成 XML？这个问题很真实。很多数据规范较好的编辑部已经被 XML、JATS、Crossref、DOAJ 这些词绕晕了，也确实希望少一点复制粘贴。可这里不能急着说“自动生成”。更稳妥的入口，是让 AI 先把论文里的基础信息摘出来：题名、作者、单位、摘要、关键词、基金、DOI……这些元数据整理准了，后面的 XML 才有可靠的源头。
📋 同一批信息，被反复填写
▲ 同一批信息在多个系统之间反复搬运
技术编辑最怕的，不一定是看不懂 XML，而是同一批信息在不同地方来回搬。PDF 里有一遍，Word 稿里有一遍，采编系统里还要填一遍，官网发布、数据库提交又各有格式。题名少一个副标题，作者顺序换了一下，单位编号漏了一个上标，后面都可能跟着出问题。这件事不难，却很耗人；看起来只是复制粘贴，真正麻烦的是反复核对。AI 能切入的，正是这段机械整理工作。
🪪 元数据是论文的身份证
▲ 元数据像论文身份证，源头信息不能写错
所谓元数据，可以先别把它想成代码。它更像一篇论文的身份证：这篇文章叫什么，谁写的，作者来自哪里，讲了什么主题，发表在哪一期，有没有 DOI，基金项目怎么标注。系统识别论文、读者检索论文、平台交换数据、机构统计成果，都离不开这些信息。XML 只是承载元数据的一种结构化方式。编辑真正要守住的，是源头信息准确、完整、能被检查。标签可以交给工具生成，身份证上的信息不能写错。
🧩 AI 先提取，再归类
▲ AI 适合先做提取和归类，但输出仍是草稿
AI 比较适合做的，是初步提取和字段归类。比如把论文首页、摘要页、脚注里的信息读出来，整理成表格；也可以按编辑部模板，输出 JSON、CSV 或 XML 草稿。注意，这里的关键词是“草稿”。涉及未发表稿件时，还要沿用上一集说过的安全边界：该脱敏就脱敏，该用合规工具就用合规工具，不要把审稿人信息、作者联系方式、内部处理意见随手传上去。AI 可以帮忙打底，但不能替编辑签字。
🔍 编辑必须校对细节
▲ 编辑校对是结构化传播的质量闸口
AI 提取完，编辑还得回到原文。最容易错的往往不是大标题，而是细节：作者和单位对应错了，基金编号少了一个字符，DOI 里的“0”和“O”混了，通讯作者脚注没识别出来，中英文题名没有对应上，关键词分隔符被改乱。技术编辑的价值，不在机械搬运，而在判断、核验和规范化。这一步不能省。少看一眼，错误可能从元数据表一路带到 XML、官网页面和外部平台。
🌐 XML 只是其中一站
▲ 校对后的元数据，才能稳定流向多个平台
一张校对过的元数据表，不只服务 XML。它还可能流向 DOI 注册、开放获取平台、采编系统、期刊官网、数据库接口。不同平台有各自规则，编辑部不必把每套规则都背下来，但要明白一件事：底层用的仍是那一组结构化信息。源头字段整理得清楚，后续转换、映射和提交会稳很多；源头已经错了，XML 标签再漂亮，也只是把错误包装得更整齐，再传到更多地方。
✅ AI 初稿，编辑确认，系统复用
▲ AI 做初稿，编辑做确认，系统做复用
智编给编辑部设计的流程很朴素：稿件进来后，AI 先做元数据初提取；编辑对照原文和采编记录逐项确认；确认后的字段再做标准化处理，比如作者顺序、单位格式、关键词分隔、基金写法、DOI 书写；随后按需要输出为 XML 草稿、表格或系统字段。AI 做初稿，编辑做确认，系统做复用。这套流程的目标不是削弱技术编辑，而是把人从低价值搬运里拉出来，把精力留给质量把关。
而是让编辑更早发现错误
✨ 金句收束与下集预告
▲ 结构化不是把人拿掉，而是把错误拦住
这一集，智编想留下的一句话是：XML 自动化的起点，不是让 AI 替编辑做决定，而是让编辑更早发现错误。AI 负责把散落的信息先拢起来，编辑负责核对、修正和判断，系统负责接收和复用。对期刊来说，结构化不是炫技，也不是把人拿掉，而是让论文更容易被识别、传播和引用。下一集，我们继续聊一个更贴近案头工作的场景：能不能让 AI 先帮编辑看看参考文献和格式问题？咱们下期见。
「智编说AI」漫画科普系列·第六集 完
敬请期待 👀
