这类活最费人，也最适合交出去
行政要从 37 份 PDF 合同里提「违约金比例」，做成一张 Excel。传统做法：逐份打开、Ctrl+F 搜「违约」、找到数字、复制粘贴——37 份保守估计一下午。
财务季度末更狠：几十上百张电子发票，要把开票日期、金额、销售方抠出来填进报销模板。
这类任务的共同点是：规则明确、字段固定、纯体力、但一错就得返工。 正好是 Codex 的主场——它自己写脚本、自己跑、自己把结果汇总成表，你只负责说清楚要什么、然后抽检。
下面这套六步流程，跑一次就能沉淀成你自己的模板。
第一步：把文件归拢，先把名字改干净
新建一个文件夹（比如 contracts/），把所有待处理 PDF 平铺进去，然后检查文件名。
有两类名字会给后面添麻烦：
- 含中文括号或特殊符号的，如
合同（终版）.pdf→ 改成合同_终版.pdf - 全是
扫描件1.pdf、新建文档.pdf这种无意义命名——不是不能跑，是出错时你没法快速定位是哪一份
命名统一好之后，在 Codex 里把这个文件夹设为工作区，权限给「自动审查」这一档就够——它只读文件、写新表，不需要完全访问。
第二步：先跑一份，把字段定义谈清楚
别一上来就丢 37 份。 先拿一份最典型的做样板：
读取 contracts/合同_A公司.pdf，
帮我找出「违约金比例」这个信息出现在哪一段，
把原文段落和你识别出的数值一起告诉我，并注明在第几页。
先不要生成表格。
这一步是在对齐口径。你会发现合同里写法五花八门：「按合同总金额的 5%」「日万分之五」「不低于人民币壹万元整」。
看完样板，你才知道字段该怎么定义——是只抓百分比，还是要保留原文？遇到日利率算不算？定义谈拢了，批量才不会返工。
第三步：把字段写成 schema 再批量跑
字段清单要像填表一样具体，每一列都说明白类型和缺失时怎么办：
读取 contracts/ 下所有 PDF，为每一份提取以下字段，
汇总成一张表格导出为 违约金台账.xlsx：
| 列名 | 说明 |
| 文件名 | 原始 PDF 文件名 |
| 签约方 | 甲方全称 |
| 违约金比例 | 只填数值+单位，如 5% 或 日万分之五 |
| 原文摘录 | 该条款所在句子的原文，不超过 50 字 |
| 页码 | 该条款所在页 |
| 生效日期 | 统一格式 YYYY-MM-DD |
规则：
- 找不到的字段填「未找到」，不要猜、不要留空
- 有多处相关表述时，全部列出，用分号隔开
- 处理完告诉我：成功几份、有问题几份，问题分别是什么
三处细节值得注意：要求「原文摘录 + 页码」（出问题能一秒回溯到源头）、明确「找不到就写未找到」（防止 AI 编造）、要一份完成情况汇报（不用自己数）。
第四步：扫描件走 OCR，单独标出来
原生文本层的 PDF 准确率很高，手机拍的、复印扫描的就不一定了。
这批 PDF 里有部分是扫描件，字选不中。
对这类文件请先做文字识别再提取，
并在表格里新增一列「来源类型」，标明是「原生文本」还是「OCR识别」。
OCR 识别的行，另外标注你对结果的把握程度。
低于 150 dpi 的图片页、手写体，漏字是常态。把 OCR 行单独标出来的意义就在这里——抽检时优先查这批，原生文本那批可以少花点力气。
第五步：抽检，这一步不能省
Codex 说「完成了」不等于对。发票金额、合同条款这种东西，错一个数就是事故。
按这三条查：
- 随机抽 10% 对着原文件核，重点看数值和日期
- 筛「未找到」的行——是真的没有，还是提取逻辑漏了
- 看异常值——比例超过 100%、日期在合同签订前，这类一眼可疑
抽检结果不理想也别重来，直接反馈：
第 12 行和第 25 行的违约金比例提错了，
原文分别是「逾期付款按日万分之五计算」和「不超过合同总额的 3%」。
请回头检查所有含「按日」「不超过」表述的条目，重新提取这几类。
第六步：套模板填充，然后固化下来
台账做好了，往往还要填进公司的固定模板（报销单、审批表）：
用 报销模板.xlsx 作为格式基准，
把 发票台账.xlsx 里的数据按对应关系填进去，
每 20 条生成一份，文件名为 报销_01.xlsx、报销_02.xlsx 依次编号。
金额列保留两位小数，日期列统一为 YYYY-MM-DD 文本格式。
不要改动模板的表头、公式和格式。
如果这套流程你每个月都要跑一次，最后一步是把它固化：让 Codex 把上面的字段定义、规则、抽检清单写成一个 Skill 或一份 AGENTS.md，下次一句话就能唤起，不用重新组织提示词。
提示词里最值钱的三句话
「找不到就写未找到，不要猜」——这一句能挡掉绝大部分编造。
「附原文摘录和页码」——让结果可回溯，抽检成本降一个数量级。
「完成后汇报成功/失败数量」——你不需要自己数行数找漏网的。
批量提取的准确率上限，取决于你把规则说得有多细。花五分钟写清楚字段定义，比事后花一小时对账划算得多。
来源：公众号《Codex 写代码只是入门，我用它 10 分钟做完了 3 个人的活》与 Codex 文档处理 Skill 实战分享内容，本文为原创转写与流程重构。
资料最后核对日期：2026-08-06 · 内容整理自 CodexGuide 社区公开教程