批量文档结构化：三个前置动作与一个可用提示词

一、为什么要做结构化

一百份 pdf、一份一份抄进表格，两天就过去了。

而且抄完还会错。

二、结构化前的三件事

一、先定字段。

不管什么文档，都用同一套字段：标题、日期、主体、金额、结论、风险。

字段不确定，后面没法比对。

二、先跑五份试。

用五份样本把提示词跑通，再批量。

直接批量，错了要重来。

三、先存原文。

每行表格都带一个文件名链接。

不存原文，以后无法回溯。

三、一个可用的提示词结构

```

把下面文本中的信息整理成一行，字段用 | 分隔：

日期 | 主体 | 事项 | 金额 | 结论 | 风险

规则：

1. 找不到的填「未提及」，不要推测。
2. 日期只保留 YYYY-MM-DD。
3. 金额只保留数字与单位。
4. 结论与风险各不超过 20 字。

```

四条规则看起来啰喗，但它们把输出从“自由发挥”变成了“可入表”。

四、三个常见错误

1. 不分批。一次塞十份，后面几份会丢。

1. 不让它填“未提及”。没有这个词，它会编。

1. 不抽样校验。批量后直接入库，错了也不知道。

五、抽样怎么做

每二十份抽三份，人工对照。

错误率超过 5%，就先改提示词，不要强行入库。

六、为什么要保留原文链接

因为结构化一定有错，只是多少。

带原文链接的表，错了能改；没有链接的表，错了只能重做。

七、一个延伸用法

同样流程可以做台账、做发票汇总、做客服工单归档。

只要能拆成固定字段，就能用。

八、扩展阅读

表格字段的设计可以参考现有系统。

万象云档 里有很多系统类文档，里面的字段表格很值得对照，尤其是时间与状态字段的写法。