本文详细介绍了如何在 Azure AI Document Intelligence 中构建超越基础 API 调用的稳健文档处理管道。文章强调，虽然初始提取相对简单，但应对现实世界的复杂性才是核心挑战。所提出的管道包括摄入、分类、提取、基于置信度的路由以及写入记录系统。选择合适的模型至关重要，无论是预构建模型、自定义提取模型还是自定义分类器，都直接影响准确性。作者指出，应避免使用已弃用的连接器操作，转而采用针对预构建或自定义模型（v4.x API）的“分析文档”功能。理解准确率与置信度的区别至关重要；置信度分数会针对每个字段返回，应据此进行路由决策。该系统根据每个字段的置信度阈值对文档进行过滤，对于发票总额等财务敏感字段需设定更严格的要求。建议实施算术校验，以捕获置信度分数未能发现的错误。该逻辑可在 Power Automate 或 Azure Function 中实现。文章还探讨了常见的故障点，包括重复处理、多发票 PDF、明细项质量不佳以及货币/区域设置问题。成功的关键指标是直通处理率，而不仅仅是模型准确率。跟踪按原因划分的审查率以及审查员覆盖率等指标，可为改进提供洞察。最后，智能文档处理利用人工智能将非结构化文档转换为带有置信度分数的结构化、经验证的数据，从而实现自动化路由。