如何使用自定义列提取：
只获取你需要的数据，而不是整页内容
大多数文档提取工具的工作方式就像文字复印机：扫描页面，把找到的所有内容都倒进电子表格。如果你只需要采购订单上的三个字段——单号、供应商名称和总金额——却会得到页面上所有 47 个文本字符串，然后还要手动从中挑出那三个。自定义列提取颠覆了这一逻辑。你先告诉 AI 你想要什么，它只返回那些内容。
为什么"提取全部内容"是错误的起点
传统 OCR 只回答一个问题："这一页上有哪些文字？"它将文档图像转换为一串机器可读的字符——每个单词、每个数字、每个不经意的水印和页码。对于一页发票来说，可能会产生 50 到 80 个独立的文本字符串，全部倾倒进电子表格，毫无结构、也没有标签。接下来你要做的是：通读输出结果，找出哪个字符串是发票号，哪个是日期，哪个是总金额，再手动复制到你实际使用的工作表中。
这正是"OCR 全部文字"在企业文档处理中几乎从不是正确答案的原因。你几乎从不需要文档上的每一条文字。你只需要五到十个特定字段。其余的都是噪声——而你花在过滤这些噪声上的时间，正是你最初试图通过自动化来节省的时间。
自定义列提取从另一个方向出发。不是先提取一切再事后过滤，而是提前定义好你的列。AI 以你的目标字段为"镜头"阅读文档——搜寻单号、供应商名称和总金额，忽略其他所有内容。输出结果正是你想要的电子表格，列名正是你所命名的那些。
核心洞察：缩小目标范围能提升提取精度。被要求"查找并提取所有文字"的 AI 没有优先级机制——页面上的每个文本字符串都被同等对待。被要求"查找单号、供应商名称和订单总额"的 AI 则能将注意力集中在定位这些具体值上，借助语义线索（"单号长什么样？"）和上下文（"总金额通常出现在哪里？"）来提升精准度。越具体，越准确。
列名即指令：命名策略
你输入的列名是你与 AI 之间的主要沟通渠道。一个写得好的列名是一条精准的指令——它告诉 AI 要查找什么类型的值，以及如何格式化。模糊的列名（"金额"）给 AI 的引导太少。好的列名（"订单总金额"或"发票合计"）能缩小搜索范围，提高第一次就得到正确数字的概率。
以下命名原则能产生最准确的提取结果：
| 原则 | 一般写法 | 更好写法 | 原因 |
|---|---|---|---|
| 明确指定实体 | Number | PO Number | "Number" 可以是任何编号——发票号、行号、参考号。"PO Number" 精确告知 AI 要找哪个编号。 |
| 说明位置或角色背景 | Date | Invoice Date | 一份文档中可能有多个日期（开具日期、截止日期、交货日期）。指定是哪个日期可避免歧义。 |
| 使用描述性限定词 | Address | Shipping Address | 发票和采购订单通常同时包含账单地址和收货地址。加上类型限定词可消除混淆。 |
| 声明你想要的格式 | Amount | Total Amount (Number) | 附加"(Number)"可提示 AI 只提取数值，去掉货币符号。 |
| 使用文档中的常见术语 | Customer | Buyer Company Name | 使用文档中实际出现的语言。"Buyer" 在采购订单中是标准术语；"Customer" 在发票中更常见。 |
你不必遵循严格的命名规范——AI 能理解自然语言。"Due Date" 和 "Payment Due Date" 都能正常工作。但你越具体，AI 需要解决的歧义就越少，提取精度也就越高。
三个真实场景示例
同样的自定义列机制可以适应截然不同的文档类型和工作流程。以下是三个常见场景，每个场景都有不同的列设置策略。
场景一：发票处理
你需要的字段：Invoice Number、Invoice Date、Due Date、Vendor Name、Subtotal、Tax Amount、Total Amount、Currency。无论格式或版式如何，这八个字段几乎出现在每张发票上。
列设置方式：按上述字段名依次输入。对于包含明细行的多页发票，可添加"Item Description"、"Quantity"、"Unit Price"和"Line Total"列。每个明细行在输出中对应一行，发票表头字段（编号、日期、供应商）在该发票的每一行中重复出现——便于按供应商进行筛选和汇总。
批量处理技巧：如果你要同时处理来自多个供应商的发票（例如月末应付账款），可以将所有发票一次性上传。AI 对每张发票独立提取，然后将结果合并为一张电子表格，所有行使用统一的列结构。
场景二：采购订单处理
你需要的字段：PO Number、Issue Date、Supplier Name、Item Code、Item Description、Quantity Ordered、Unit Price、Line Total、Requested Delivery Date。这些字段一次性涵盖了采购订单的表头和明细行详情。
列设置策略：采购订单比发票包含更多表格内容。将所有需要的明细行列（Item Code、Description、Quantity、Unit Price、Line Total）与表头字段放在同一个列列表中。AI 能理解表头字段（PO Number、Supplier Name）适用于整个文档，会在每个明细行中重复，而明细行字段则在表格的每一行中各有不同。
多页处理：对于跨越多页且每页重复列标题的采购订单，AI 能识别重复的表头并将其从输出中排除。一份包含 200 个明细行的 10 页采购订单，输出结果是 200 行数据，而非需要手动拼接的 10 个独立表格。
场景三：供应商报价比较
你需要的字段：Supplier Name、Item Description、Quantity、Unit Price、Line Total、Lead Time (Days)、Payment Terms、Currency。将五个不同供应商的报价批量上传，AI 使用相同的列定义从每份报价中提取数据——无论每个供应商的报价格式有多大差异。
核心优势：不同供应商可能对同一信息使用不同名称。有的叫"SKU"，有的叫"Part Number"，还有的叫"Item Code"。AI 的语义理解能力会将三种表述全部映射到你的"Item Code"列，无需你配置同义词或针对每个供应商的专属映射规则。
文件经过安全处理，不会被存储。
保存为模板：一次设置，永久复用
一旦你为某种特定文档类型定义了一套效果良好的列集合——比如你的标准发票提取列——就可以将其保存为模板。下次处理发票时，只需点击一下加载模板，无需重新输入所有列名。
这就是一次性设置成本能持续回报的地方。第一次设置发票列需要两分钟。此后每批发票——无论是五张还是五十张——都以预加载好的列开始处理。你上传文件，AI 按照你保存的模板进行处理，每次都能得到结构一致的电子表格。
模板还有助于团队保持一致性。如果团队中有多人处理文档，共享同一个模板能确保所有人的输出具有完全相同的列、相同的顺序——字段名不会有差异，不会有缺失列，也不会随时间推移出现格式漂移。
常见问题
应该定义多少列——有数量限制吗？
没有硬性限制，但有实际上的最优区间。15 到 20 列以内，提取结果通常非常可靠。超过这个数量，你开始覆盖一些可能不是每份文档都有的边缘字段。一组 5 到 12 个命名良好的重点列，几乎总是比一份包含 30 列的详尽清单产生更好的结果，因为 AI 可以对每个字段给予更集中的注意力。如果你确实需要很多字段，可以考虑分两次处理：第一次提取核心字段，第二次提取补充字段。
如果某个字段在特定文档中不存在，会怎样？
该单元格留空。例如，如果你的列集合包含"Tax Amount"，但其中某份文档没有税费（跨省 B2B 发票或出口文件中常见），输出表格中对应行的 Tax Amount 单元格就会为空。电子表格的结构保持一致——所有行具有相同的列——但只有 AI 在文档中找到对应值时才会填入数据。
一个批次中可以混合不同类型的文档吗？
可以，但前提是你的列集合对批次中的所有文档类型都有意义。如果你将发票、采购订单和收据混在一起上传，列名设置为"Invoice Number / PO Number / Receipt Number"，AI 会尝试在每份文档中查找每个字段。不包含某个字段的文档，该列对应的单元格将为空。为获得最佳效果，建议将同类文档放在一个批次处理——所有发票放一批，所有采购订单放另一批。这样列定义更聚焦，输出结果也更整洁。
与手动录入数据相比，准确率如何？
对于打印清晰、格式规范的文档，字段级准确率超过 90%——即首次提取时每 10 个值中有 9 个是正确的。相比之下，手动数据录入根据数据质量研究，每次按键的固有错误率为 1% 到 3%。区别在于：AI 的错误往往是可预测的（混淆相似字段名、误读低分辨率文字），而人工错误是随机的（拼写错误、数字颠倒、跳行）。快速浏览一遍 AI 输出就能发现大多数问题；而要发现自己手动录入的错误，则需要逐行对照原始文档核对——这和原本录入花费的时间一样长。
AI 能处理复选框、印章和签名吗？
可以——你可以为这些内容定义列。使用描述性名称，例如"Approval Checkbox (Checked/Unchecked)"、"Company Stamp Present (Yes/No)"或"Authorized Signature Present (Yes/No)"。AI 能识别这些视觉元素并返回相应状态。对于签名，输出通常是"Present"或"Not Present"——它验证签名是否存在，而非验证签名的身份。