大模型解析采购单据：从OCR到结构化入库

采购与仓储环节的单据处理长期依赖人工录入：送货单、采购订单、质检报告格式不一，字段命名混乱，传统OCR模板法在格式变动时频繁失效。本实验室近期在一家汽配供应商现场开展基于大语言模型的单据结构化解析试点，思路是“版面还原交给OCR、字段理解交给LLM”：先用通用OCR提取全文与坐标，再由大模型按预定义Schema抽取供应商、物料编码、数量、批次等字段，低置信度字段自动触发人工复核。
试点四周的阶段性结果：

• 覆盖三类单据共1,200余份，字段抽取平均准确率约96%；物料编码等关键字段引入编码库校验后达99%以上，单据处理耗时由人均约3分钟降至20秒。
• 错误集中在手写批注与盖章遮挡区域，目前以“检测到遮挡即转人工”规则兜底，未发现静默错误流入ERP。

下一步计划：将Schema配置开放给业务人员自助维护，减少新增单据类型的开发介入；同时评估小参数量本地部署模型的可行性，兼顾数据不出厂与推理成本。我们的初步判断是：大模型在流程自动化中的价值不在替代现有系统，而在打通非标数据与标准系统之间的最后一公里。