百页文档自动提取变数据表
🎯 解决什么问题
2026 年 10 月 16 日，文档智能公司 Extend 发布 Operator-1：专为复杂文档提取设计的自主智能体，在 LongArray-Extract、LongExtractionBench 等三项长文档提取基准上刷出 99.3%、99.88% 的新纪录。对财务、法务、审计岗来说，上百页的财报、合同、扫描对账单，不再需要人工逐行摘抄。
😣 月底结账时，财务要从上百份供应商对账单里摘出开票金额、税额、到期日；法务审合同时，要把几十份合同里的违约条款、续约节点一条条录进表。每份文档格式都不一样，普通 OCR 只能转文字、给不出结构化字段，表格一跨页就乱行，外包录入又贵又怕泄密。
💡 百页级文档的摘录工作从数天压缩到数小时，关键字段提取准确率可达 99% 以上
🛠 操作步骤（共5步）
1
列出字段清单先把目标定死：比如「供应商名称 / 发票号 / 不含税金额 / 税额 / 到期日」，字段名、格式（日期统一 YYYY-MM-DD）、缺失值怎么标，一次写清，后面不返工。
2
批量上传文档PDF、扫描件、超长表格直接拖进 Operator-1 的工作区；扫描件先过一遍 OCR。它自带持久记忆，会记住这类文档的版式规律，越用越顺。
3
让 Agent 自己交叉验证提取完它会自动校验：跨页表格有没有断行续上、长数组有没有漏行跳行；你只需要看它标红的可疑项，不用逐行对。
4
关键字段人工抽检金额、日期、主体名称三类关键字段抽 10% 人工核对，确认无误再入库——准确率再高，涉及钱的事也要留一道人工闸。
5
导出进业务系统导出 CSV / JSON，或直连数据库灌进 ERP、合同管理系统；这次跑通的提取模式会被 Agent 记住，下个月同类文档直接复用。
📋 提示词模板（复制即用）
请从以下文档中提取结构化数据。 目标字段：[字段1，如供应商名称] / [字段2，如发票号] / [字段3，如不含税金额] / [字段4，如到期日] 规则： 1. 日期统一为 YYYY-MM-DD 格式； 2. 金额只保留数字和小数点，去掉货币符号和千分位逗号； 3. 找不到的字段填 null，绝不编造； 4. 表格跨页时把断开的行合并成一行； 5. 输出 JSON 数组，每个文档一个对象。 文档内容：[粘贴文档文本或上传文件]
🧰 用到工具
Extend Operator-1
⚠️ 注意事项
- 先拿 5-10 份样本跑通字段清单，准确率稳定后再批量上生产——字段定义改一次，后面返工十倍。
- 扫描质量决定上限：倾斜、有阴影的扫描件先重扫，别指望 Agent 替你看清看不清的字。
- 涉及客户隐私的文档，先确认服务商的数据留存政策，敏感场景考虑本地化部署方案。