订单和业务文档信息提取，如何保留原文依据并验收

先把“自动处理文档”变成字段清单

业务人员每天从 PDF、扫描件和表格中查找信息，再录入业务系统。第一项试点可以只覆盖一种文档和一个输出表格：例如把订单编号、日期、货品、数量及金额整理成待确认记录。

阿里云文档智能的官方示例展示了文档解析与模型结合后进行信息抽取、按指定格式输出的路径。是否适合企业自己的文档，需要使用实际版式和异常样本验证。

字段定义比一句提示词更重要

• 明确含义：订单日期、交付日期和开票日期分别放入不同字段。
• 明确类型：编号按文本保存，避免前导零丢失；日期使用统一格式。
• 明确单位：数量、币种、金额精度和含税口径分别约定。
• 明确缺失规则：未找到时留空并标记，不用推测值补齐。
• 明确多值规则：一份文档有多条明细时保留行关系，不拼成一个长字符串。

同一个字段在不同模板里的名称可能不同。字段表应保留这些别名，并用业务认可的样例解释边界。

让每个结果都能回到原文核对

建议同时保存文件标识、版本、页码或可定位的文本片段。业务人员看到提取值时，应能回到相应原文位置，判断是否漏了括号、单位、否定词或附加条件。

如果文档格式不能稳定提供坐标，也应明确当前能追溯到文件、页面还是文字片段，不把“附了文件链接”当成字段级定位已经完成。扫描件倾斜、模糊、跨页表格和手写修改应单独记录。

验收要覆盖异常，而不只看整齐的样本

• 正常模板：核对字段值、明细行数和行之间的对应关系。
• 缺项和冲突：缺少日期、重复编号、正文与附件不一致。
• 困难版式：扫描模糊、合并单元格、多页续表、旋转页面。
• 业务校验：数量与单价的计算关系、合计与明细是否一致。
• 重复处理：同一文件再次提交是否生成重复记录。

统计时区分字段错误、整单错误、人工修改次数和处理耗时。一份文件十个字段对了九个，仍可能因为关键编号错误而不能直接写入系统。应由业务负责人确定哪些字段必须人工确认。

从待确认记录逐步连接业务系统

可以先输出待复核表格，确认字段质量和异常处理，再接入正式系统。连接后需记录原始文件、提取版本、人工修改、确认人、写入结果和目标记录编号。

写入超时不意味着一定失败。若无法确认目标系统是否已经保存，应先核对状态，再决定重试，避免一次订单变成两条。接口权限、批次上限和撤回方式也应列入交接。

咨询前准备什么

准备目标文档类型、字段表、几份授权脱敏样本，以及现有录入结果。样本中包含一份正常文件和几份经常出错的文件，比只提供一张理想截图更有助于确定试点范围。可据此讨论文档解析、人工复核页面及现有系统对接的分工。

参考资料与范围

• 阿里云文档智能：使用 IDP 与 LLM 完成文档总结和抽取：文档解析结果结合模型可以用于信息抽取和格式化输出；不证明本项目的准确率。

以上资料用于说明技术路径。本文的实施步骤和验收建议为编辑整理，不是第三方客户效果证明。