GPT-5.1 读不清复选框:多表单提取项目踩坑实录,准确率卡在 80%

ComfortableThought55 · reddit · 2026-11-20

一位开发者分享用 GPT-5.1 构建多表单文档提取自动化的完整踩坑过程。

难点:一个流程要处理多种版式不同的表单,提取字段多、prompt 庞大。

架构方案:写一个通用指令 prompt,每种表单配一份运行时注入的 spec,目标是新增表单不改 prompt;输出契约同样按此设计。

核心问题:模型在最关键的复选框上严重幻觉——PDF 页面以图片发送,GPT-5.1 默认缩小图片,小复选框几乎消失。

修复思路:

现状:shadow mode 上线 10 天,准确率约 80%;OCR 约 30% 的运行会漏掉目标页,是幻觉的主要来源。作者感叹 prompt 调优之痛——修好一个 PDF 另一个就坏,同一 PDF 跑 5 次仍可能出问题,并向社区征求可靠读取小复选框、替代 OCR 定位页面的方案(如用小模型先识别表单类型)。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →