前言：老程序员的新课题

大家好，我是老张，石家庄一家软件公司退休返聘的程序员。干了 40 年代码，从 Fortran 到 Python，从 Windows 98 到现在的 AI 时代。最近老板找我：“老张，供应商调查的活儿，年轻人忙不过来，你能不能研究下 AI 自动填表？”

我琢磨了一个月，今天跟大伙儿分享经验——不是技术多高深，而是思路要活络。

---

一、为什么要用 AI 自动填表？

现实痛点：

• 我们公司有 500+ 供应商，每个填 50+ 项调查表
• 人工填写：每人每天 3 家，一个月干不完
• 错误率高：身份证号、税号容易填错
• 数据分散：Excel、Word、PDF 混在一起

AI 能做什么：
✅ 识别文档内容
✅ 提取关键信息
✅ 自动填入对应表格
✅ 生成统一格式

---

二、技术方案：简单实用的三步走

第一步：准备文档

import os
from pathlib import Path

# 创建文档分类文件夹
dirs = ['pdf/', 'excel/', 'word/', 'completed/']
for d in dirs:
    Path(d).mkdir(exist_ok=True)

关键点：

• PDF 用扫描仪或拍照
• Excel/Word 要规范命名：供应商名_类型_日期.xlsx
• 放在同一文件夹，方便批量处理

---

第二步：安装工具

# 推荐安装这些库
pip install pandas openpyxl python-docx pdfplumber pytesseract
pip install transformers torch  # 如果要用大模型
pip install langchain  # AI 框架

我的配置：

• Python 3.10 (稳定版)
• 虚拟环境：python -m venv ai_env
• 清华镜像源加速下载

---

第三步：核心代码

方案 A：规则匹配 (适合简单表格)

import pandas as pd
import re

def extract_supplier_info(file_path):
    """从文档提取供应商信息"""
    info = {}
    
    # 用正则表达式匹配关键信息
    with open(file_path, 'r', encoding='utf-8') as f:
        text = f.read()
    
    # 匹配公司名称
    company_match = re.search(r'公司名称[:：]\s*(.+)', text)
    if company_match:
        info['公司名称'] = company_match.group(1).strip()
    
    # 匹配统一社会信用代码
    credit_match = re.search(r'信用代码[:：]?\s*([A-Z0-9]{18})', text)
    if credit_match:
        info['统一社会信用代码'] = credit_match.group(1)
    
    return info

方案 B：AI 模型提取 (适合复杂文档)

from transformers import pipeline

# 加载中文 NLP 模型
nlp = pipeline('token-classification', model='hfl/chinese-bert-wwm-ext')

def extract_with_ai(text):
    """AI 提取结构化信息"""
    entities = nlp(text)
    
    info = {
        '公司名称': '',
        '联系人': '',
        '电话': ''
    }
    
    for entity in entities:
        if entity['entity'] == 'B-ORG':
            info['公司名称'] = entity['word']
        elif entity['entity'] == 'B-PERSON':
            info['联系人'] = entity['word']
    
    return info

方案 C：自动生成 Excel 表格

def fill_excel_template(supplier_info, template_path, output_path):
    """将信息填入 Excel 模板"""
    import openpyxl
    
    # 读取模板
    wb = openpyxl.load_workbook(template_path)
    ws = wb.active
    
    # 填充数据
    for i, (key, value) in enumerate(supplier_info.items(), 2):
        ws[f'B{i}'] = key
        ws[f'C{i}'] = value
    
    # 保存
    wb.save(output_path)
    print(f'已生成：{output_path}')

---

三、实战案例：石家庄某电子厂的供应商调查

场景：

• 500+ 供应商，每家 30 项信息
• 文档类型：扫描件 PDF、Excel、Word 混用
• 人工需要 3 个月，AI 自动化后 3 天完成

效果对比：

项目	人工	AI 自动化
时间	90 天	3 天
错误率	8%	0.5%
成本	3 人×3 月	0.5 人·天

---

四、常见问题与解决方案

Q1：PDF 扫描不清晰怎么办？

A： 用 OCR 工具增强

import pytesseract
from PIL import Image

# 图像预处理
img = Image.open('scanned.pdf')
img = img.convert('L')  # 转灰度
img = img.point(lambda x: 255 if x > 128 else 0)  # 二值化
text = pytesseract.image_to_string(img, lang='chi_sim+eng')

Q2：AI 模型识别不准？

A： 混合策略

• 简单字段用正则
• 复杂文本用 AI
• 人工校验关键数据

Q3：数据安全如何保障？

A： 本地部署

• 不传云端，数据不出内网
• 用虚拟环境隔离
• 定期备份加密

---

五、给程序员们的建议

技术选型

1. 小团队：规则匹配 + 简单 OCR (成本低，易维护)
2. 大公司：AI 模型 + 工作流引擎 (准确率高，可扩展)
3. 过渡方案：Excel 插件 + Python 脚本 (逐步升级)

开发要点

• ✅ 先做原型，验证可行再扩展
• ✅ 保留人工校验接口 (AI 不是万能的)
• ✅ 文档化代码 (方便后人维护)
• ✅ 版本管理 (git + 语义化版本)

避坑指南

• ❌ 不要一开始就追求 100% 自动化
• ❌ 不要忽视异常处理
• ❌ 不要硬编码路径 (用配置管理)
• ❌ 不要忽视隐私保护

---

六、未来展望

AI 能做得更好：

• 自动发现供应商风险 (工商信息查询)
• 实时数据更新 (API 对接工商局)
• 智能报告生成 (Word 自动排版)
• 多语言支持 (跨国供应商)

老程序员的思考：

“工具不是目的，效率才是。AI 不会取代程序员，但会用 AI 的程序员会取代不用 AI 的。关键不是技术多先进，而是能否解决实际痛点。”

---

结语：行动起来

如果你也是程序员，或者正在管理供应商，不妨试试这个方案：

1. 选一个场景 (比如供应商合同)
2. 写一个小工具 (先能跑通)
3. 逐步优化 (迭代改进)
4. 分享给团队 (共同进步)

最后送大家一句话： 代码要写好，问题要解决好，技术要为业务服务。