最近的工作是想办法自动化批量从下载的各地的统计年鉴pdf Excel中读取想要的板块数据，然后按照要求的字段提取出来 ，尝试用codex写python脚本实现但是效果都不好，主要每个地区年鉴格式不一样，表头、单位、年份、地区行都不统一，然后字段口径容易混，基本都是AI coding 出来的 不知道怎么推进了 因为让codex改来改去都有新的bug 
需要提取的内容如这样 落表应该像这样
这种把需求描述清楚和 ai 多拉扯几轮基本就可以了 多给 AI 一些有价值的参考信息
没有固定模板那属实难搞 要么兼容N个模板 
别让AI给你写程序了 直接文件丢AI
让AI给你数据结果吧
直接让 AI 识别文字发给你- - 用 ai 的多模态来做得了，
我也是说想这样 不过要做全国的不想付费上班 可恶！
豆包或者gpt不能读出来吗，可能多的话它会有点小问题
我做的小程序自动识别截图里面持仓信息就是用 GLM-4.6V，便宜，比传统 OCR 还是准确一点的
你看看这个是否合适，minimax的开源skill套装，包含了office全家桶和pdf的skill
需要截图先让ai自梳理描述清楚准确开发要求，再让ai去开发。推荐gpt5.5梭哈。推荐一个skill：grill-me 。把需求文档至少让他问你50个问题，对接好需求。再开发
excel有点经验，pdf没怎么玩过，不管是python还是php理论上都可以读的，你可以这样给ai说，就是有个基础的表头业务做归档，没有的新增 有的话和你自己的需要的表头吧这条数据拿出来丢新的csv或者直接生成你需要的就好了 简单来说读取 然后匹配再保存即可
pdf github上一个叫 Marker 的项目，挺好用的，似乎可以先批量pdf转md，再给ai处理后续内容。
这个skills基本不能用，很烂，需要下载各种包。不推荐使用。
看看一些OCR的服务，我之前弄过电子发票的识别，感觉效果还可以。
省市县三级就让AI穷举所有表头了，然后明年就轻松了 
很难，之前兼职接单就是从类似数据的pdf里面提取数据落表的，每个源也是格式不一样，都是ai加python加人工介入解决的。