文档版本错了，后面的准确率再高也没有意义
AI 自动化办公经常从共享目录、网盘或邮件附件读取资料。文件名相近、修改时间接近、扫描件重命名或同一合同存在补充协议时，模型可能准确地理解了错误的版本。此时团队往往先调整提示词或更换 AI 模型接口，实际应该先证明送进模型的源文件就是本次业务要处理的文件。
永沃云枢建议把文档处理分成“选文件、锁基线、抽字段、人工确认”四段。AI API 接入和模型调用管理记录的重点，不只是 prompt 和返回值，还要记录文件哈希、版本号、来源位置、抽取时间和人工修订。这样即使 Codex 接入后帮助生成脚本，也不会把一次成功的抽取误当成源文件选择正确。
适用场景
适合合同字段抽取、报价单比价、发票整理、项目资料归档、客服附件分类和表格汇总。尤其适合共享网盘中存在多个同名文件、人工会替换附件、来源系统没有稳定版本号的场景。前提是业务能列出本次处理范围，并允许保存文件元数据和人工复核结果。
操作步骤：建立可复核的文件基线
- 先冻结输入集合。把文件路径、来源系统、文件名、扩展名、大小、修改时间和业务单号写入清单。不要让扫描任务在处理过程中继续递归读取整个共享目录。
- 生成内容指纹。对本地文件运行
Get-FileHash -Algorithm SHA256 .\source\contract.pdf；远程文件则保存下载时间、来源 ID 和平台版本号。哈希不是业务版本，但能证明两次处理是否针对同一份字节内容。 - 标记业务基线。由负责人确认“以 2026-08-15 17:00 前收到的最终合同和补充协议为准”之类的规则，并把排除文件列出来。不能只按文件名包含“最终版”判断。
- 先做小样本抽取。让 AI 模型接口只抽取合同编号、甲乙方、金额、签署日期和版本备注，输出中带上 source_file、source_hash 和 evidence_page。字段缺证据时进入人工复核，不直接写回系统。
- 再执行自动化写回。只有基线、字段样本和人工抽查通过后，才让 AI 自动化办公写入表格、工单或归档系统；写回前保留原始输入和结果快照。
失败表现：抽取结果看起来合理但来自旧版本
最常见的现象是金额、合同编号和客户名称都像真的，只有补充协议中的付款比例没有体现。排查时发现模型读取了同目录下较早的 PDF。另一个表现是同一批任务每次结果不一样，因为共享目录在处理期间有人替换文件，任务没有保存输入集合。
可以先用 Get-ChildItem -Recurse | Sort-Object LastWriteTime 查看候选文件，再用 Get-FileHash 对照任务清单。字段抽取和多表汇总的验收方法可参考 表单字段样本验收 与 多表金额来源对账；如果附件包含敏感字段，还要结合 附件脱敏与人工复核。
常见问题 / 避坑
不要把修改时间当唯一版本依据，网盘同步和下载动作都可能改变时间。不要只保留模型输出而删除原文件和页码证据，否则复核人无法判断错在选文件还是抽字段。不要让模型自己决定哪个文件是“最新”，除非业务规则和候选集合已经明确。对于扫描件、补充协议和表格附件，要把文件类型差异纳入样本集。
AI 自动化办公不是把人工选择全部去掉，而是把重复判断变成可检查流程。通过 https://ai.jn83.com 接入 AI API 时，建议把 source_hash、source_version 和 reviewer_status 作为模型调用管理的固定字段；Codex 接入可以帮助编写清单脚本，但不能替代业务负责人确认基线。
检查清单
- 本次任务的输入文件集合已经冻结，新增文件不会静默进入任务。
- 每个文件都有来源、大小、修改时间或版本号，以及内容哈希或等价指纹。
- 模型输出带有源文件标识、证据位置和人工复核状态。
- 补充协议、扫描件、同名旧文件和排除项已经覆盖样本测试。
- 自动写回前有快照、回滚方式和人工抽查记录。
- 站内可继续查看 审批摘要证据保留、文件操作 dry-run、AI 自动化办公专题 和 AI API 接入专题。
FAQ：没有文件哈希时还能做版本确认吗
可以使用来源系统的文件 ID、版本号、下载时间、大小和页数等组合证据，但要明确它们的可信等级。最少也应保存输入清单和原始文件快照，不能只保存一个文件名。若无法证明版本唯一，应把任务标记为待人工确认，而不是继续扩大自动化范围。
文档自动化的验收标准是“模型读对了文件，并且结果能回到来源证据”，而不是只看输出句子是否通顺。基线锁定做好后，AI API 接入、Codex 接入和模型调用管理才有可靠的输入。