昨天下午三点，我瘫在椅子上盯着屏幕发呆，手边堆了 47 份客户发来的产品说明书——全是 PDF，全是扫描件，全是那种“你他妈就不能发 Word 给我吗”的格式。
这活儿搁以前，我至少得花两个整天：打开 PDF，截图，一张张贴进文档，对着图片打字，再手动排版。47 份，每份平均 15 页，算下来手指头要敲断。
但我昨天只用了 43 分钟就搞定了。
因为我把这堆破事全丢给了 AI。
先说说具体怎么干的。我用的是 OCR 工具配合 GPT-4o 的多模态识别，流程就三步：第一，把 PDF 批量上传到 Google Drive，用 Python 写了个脚本调 OCR 接口转成文本。第二，把文本丢给 GPT，让它自动提取关键信息——产品名称、规格参数、适用场景、注意事项，按表格输出。第三，把表格直接粘贴进 Excel，再跑一个格式化的宏，搞定。
中间踩了个坑。有一份 PDF 是手写体扫描，OCR 识别出来全是乱码，“容量 500ml”变成了“容童 500m1”。我一开始没检查，直接喂给 GPT，结果它给我生成了一堆“容童”开头的产品参数，差点闹笑话。后来加了一步：先让 GPT 做“文本纠错”预处理，把明显错的字用上下文推理改回来，再进提取流程。这步多花了 5 分钟，但准确率从 82% 提到了 97%。
效率提升了多少？我算了一笔账：过去处理 47 份说明书，人工操作平均 16 小时，现在 AI 处理 43 分钟，加上人工复核和修正大概 2 小时，总耗时 2 小时 43 分钟。节省了 13 个多小时。按我时薪折算，这次省了大概 2000 块钱。
但说实话，省时间不是最爽的。最爽的是那种“我他妈终于不用干这种破事了”的解脱感。以前每次接到这种重复性任务，我都要做半小时心理建设，深呼吸，打开音乐，告诉自己“熬过去就好了”。现在倒好，鼠标点几下，泡杯咖啡，看着进度条跑完，心情跟看别人加班似的。
不过 AI 也不是没缺点。我发现它特别擅长“假装懂”。有次我让它提取一份化工产品的安全数据表，它直接把“严禁接触明火”翻译成了“请远离火源”——意思差不多，但在正式文档里“严禁”和“请”的力度完全不同。这种细节问题，AI 目前还抓不住语境里的语气强弱。所以我现在养成了习惯：AI 处理完的每份文档，我都要快速扫一遍，重点看那些“程度词”和“否定词”，最容易翻车。
还有一个坑：AI 会“脑补”。我丢给 GPT 一份缺页的 PDF，正常人有 90% 概率会意识到“这文档不完整”，但 GPT 直接根据上下文把缺页的内容自己“编”出来了，编得还挺像回事。要不是我手头有原版对照，差点就信了。所以现在处理重要文档，我强制要求 GPT 在输出里标注“原文中未找到”的部分，不能让它自由发挥。
说回这次效率提升，其实还有个隐形收益：客户满意度。以前我要花两天才能交付，客户催得紧，我天天道歉。现在上午收到文件，下午就能给结果，客户都愣了，问我是不是招了新人。我没说实话，就回了句“优化了流程”。客户开心，我也开心。
但我也在反思一件事：这种效率提升，到底是在解放我，还是在让我变得更像一个“AI 的监工”？以前我亲手做那些重复工作的时候，虽然累，但脑子里会不自觉记下很多细节——比如某个产品的参数经常变、某类文档格式特别乱。现在全交给 AI，我变成了一个“检查员”，反而对这些细节的敏感度在下降。长期来看，这会不会让我失去一些“手感”？
我还没想清楚。但至少今天，我宁愿当个轻松的监工，也不想再对着 47 份 PDF 敲断手指头。
对了，刚才提到的那个 OCR 脚本，我后来改了一下，加了个功能：自动检测 PDF 是印刷体还是手写体，然后选择不同的识别模型。印刷体用 Tesseract 的默认模型，手写体换成微软的 handwritten OCR API。跑了一轮测试，手写体识别准确率从 76% 提到了 91%。虽然还是不如人工，但应付大部分场景够了。
最后说个有意思的事。我处理完这批文档后，顺手把流程写成了一个简单的自动化脚本，挂在团队共享盘里。结果今天早上发现，隔壁组的同事也在用，还给我发了条消息：“这玩意儿救了我一条狗命。”我回了他一个竖大拇指的表情，心里想的是：你他妈早点说啊，我憋了 11 天才发文，还以为号要废了。
📎 延伸阅读
看完这篇，如果你想：
- 直接拿工具 → 回复”13“，我把跨境获客工具包发给你
- 系统学习 → 点击菜单”AI训练营”，从0开始跑通AI变现