首页 > 人工智能 > 人工智能 > 长文档处理加桌面执行:两个能力组合能解决哪些杂活
企业里有一类工作,两头都难:材料在长文档里,动作在电脑界面上。只看文档,读完了还得人动手搬;只会点鼠标,遇到几十页的规范就无从下手。把两个能力接起来,这类"读完还要动手"的杂活才有解。
长文档处理的边界。 它能做的事:把几十页的制度、合同、验收报告拆成段落与表格,按章节与条目定位,回答"第几章第几条怎么规定",并给出引用位置。它不负责动手,也不能保证页面上的动作被执行。
桌面执行的边界。 它能做的事:打开客户端、登录系统、按字段填表、导出报表、把文件放进指定目录。它不理解长文本语义,需要上游告诉它"填什么、填到哪"。
两个能力的分界很清楚:文档侧产出结论与参数,桌面侧把这些结论落到界面上。中间需要一个明确的交接物——通常是结构与字段表。
一类,制度与台账的同步。 长文档里发行了新版本文件,台账要更新名称、编号、版本、生效日期。文档侧读出这四项,桌面侧写进台账或表格。
二类,批量单据核对。 合同与发票、报销单与行程单、订单与发货记录,各自在文档或表格里,需要逐条比对金额、日期、编号。文档侧抽取字段,规则侧判定,桌面侧回写结果。
三类,封闭系统取数与填报。 老系统只有客户端,没有接口。文档侧先给出"要取哪些字段、按什么条件筛",桌面侧进系统逐页取数或录入。

图 1:两个能力的分界与交接物:文档结论、字段表、界面动作
两个能力之间真正容易出问题的,不是各自的能力,而是交接物含糊。常见三种情况:
一是文档侧给的是自然语言结论,例如"金额与合同不一致,建议核对"。桌面侧无法执行,只能再问一遍。 二是字段没有对齐。文档里叫"合同总额",系统里叫"总金额",字段名不同就会填错位置。 三是缺少异常约定。文档侧发现了三条矛盾,桌面侧不知道要不要继续填,结果把错误数据写了进去。
做法上,交接物应该是一张字段表:字段名、取值、来源位置、是否必填、异常处理方式。这张表同时是文档侧的输出规格和桌面侧的输入规格,也是事后复核的凭据:哪一栏填错了,能直接定位到是抽取错还是录入错。
判断组合是否成立,看一件两端都占的活就清楚。
下面这段过程来自 Soiawork 接手的一次体系文件清单同步——文控与质量岗位要定期做的事。材料一侧是长文档:文控系统里的体系文件,有表格也有扫描件,需要读出文件名称、编号、版本与生效日期;动作一侧在界面上:登录文控系统检索新发行文件,再把结果写入清单矩阵,供多个部门核对。
做法上,文档侧先按编号与版本号定位文件,抽取四项字段并标记缺项与冲突;桌面侧进入系统检索取件,把文件与字段对上;随后写入矩阵,异常项单独成列交质量负责人确认。扫描件识别不清的,不进矩阵,先挂起。挂起的项单独成清单,按文件编号列出,方便下一次集中处理。
这一段的分工很清楚:读不懂的交给文档侧,点不动的交给桌面侧,中间靠字段表衔接。它也说明了边界——版本冲突需要人来定哪一版有效,系统权限变更也需人工申请。

图 2:一次文件同步的两端分工:文档抽取、界面检索、矩阵回写、异常挂起
在 Soiawork 里,这两类能力都在同一套任务结构下:文档读取与判定在受控环境执行,界面操作通过设备侧完成,权限与文件范围在任务开始时给定,产物归档到文件空间。组合不靠人工搬材料,靠任务里的字段与步骤约定。字段表变了,两端同时生效,不必各自维护一套说明。
权限与账号也在这套结构里:文档侧读哪些目录、桌面侧登录哪个账号、越界是否重新确认,都在任务开始时写明。两端组合的风险往往不在技术,而在权限给得太宽。
跑完一批之后,把字段表的实际取值与人工核对结果对一遍,能看出哪几栏容易错。这张差异表比任何评估报告都更能说明组合是否稳定。
三类情况可以只用一半。材料本身就是结构化表格,不需要长文档解析,直接规则处理更快;动作全程在网页上且有接口,用连接器就够,不必上桌面执行;流程一个月只跑一两次,人工读一遍再手动填更省事。
还有一个判断:如果交接物只能写成一段描述,写不出字段表,说明这件事还没到自动化时机。先花时间把字段与异常约定写清,比先接两个能力更有价值。还有一点提醒:先跑通一件事,再扩到一类事。两端的组合在单件任务上往往很顺,扩到批量时才会暴露字段缺失、版本混乱与权限不足这些问题。先落地不等于成熟,两端能对上、批量能复算才算跑通。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70051021/viewspace-3189449/ ,如需转载,请注明出处,否则将追究法律责任。