本实验探索将大语言模型引入销售订单录入环节，验证非结构化单据（PDF、邮件正文、扫描件）到ERP结构化字段的自动转换可行性。传统RPA依赖固定模板与坐标定位，面对客户各异的单据格式维护成本高；本方案改由大模型完成字段抽取，配合规则校验层兜底，以降低模板适配工作量。
阶段性进展：
- 在两家合作工厂的历史订单样本上测试，覆盖12种单据版式，品名、数量、交期三类关键字段抽取准确率约94%，经业务规则二次校验后可用率提升至98%；
- 含手写批注、模糊印章的样本仍存在漏抽，目前通过置信度阈值将此类单据自动转入人工复核队列，避免误数据直接写入ERP。
下一步计划：建立人工复核结果回流标注机制，按月增量优化抽取模型；同时评估多页订单与表格嵌套场景的切分策略，目标将人工复核比例压缩至10%以内。团队将持续沉淀误录案例，形成字段级校验规则库，为向采购单、报关单等单据类型扩展打基础。
评论