COURSE 13 · 三阶段 · 进阶与效率 · 效率课

文档处理· 课程页

让Word/PPT/Excel/PDF变成AI能读的"弹药"——转格式、批量转、扫扫描件,配合12课知识库一起用。

11. 懂文档脾气:四种格式各自的特点和坑
22. 会转格式:文档转Markdown/文本,几分钟搞定
33. 会批量+OCR:一堆文档批量转,扫描件变文字
44. 会表格处理+喂AI:Excel变AI能算的,文档变AI能答的
55. 懂隐私合规:敏感文档本地转,不上传
课程思维导图 · MINDMAP
AI 生成课程思维导图
第1章第1章 四种文档的"脾气"
1.1 Word/PPT/Excel/PDF:各自是什么、好在哪

讲解：你手里的文档主要四种,各有脾气:Word(合同/报告/通知)——文字为主,最好处理;PPT(汇报/培训)——图文混排,转出来顺序可能乱;Excel(表格/数据)——是"活数据",转出来要有结构;PDF(扫描件/印刷品/别人发的文件)——最麻烦,分"文字版PDF"和"扫描版PDF"两种。认清脾气,才知道怎么喂给AI:文字型的直接转,图片型的要OCR,表格型的要保结构。

为什么重要：90%的"文档喂不了AI"问题,是没分清文档类型——认清脾气,方法才对。

> 供应商发来一份PDF合同:是文字版,直接转文本喂AI,1分钟提炼出违约责任条款;如果是扫描版(拍照的),AI读不了,得先OCR成文字再喂——同样的文件,脾气不同,处理差一步。(示例为教学演示)
常见误区：所有PDF一样处理。文字版PDF直接转,扫描版PDF要先OCR——搞混了,转换完还是"图片",AI照样读不了。
1.2 PDF最"坑":文字版vs扫描版

讲解：PDF的"坑"在于它可能是两种完全不同的东西:文字版PDF(文字可选中、可搜索)和扫描版PDF(整页是图片,字是画上去的)。判断方法很简单:打开PDF,鼠标能否选中文字?能=文字版,不能=扫描版。扫描版必须OCR(文字识别)才能变成文字。这个判断3秒钟,决定了后面的处理路径完全不同。

为什么重要：扫描版PDF是新手最大的坑——直接喂AI,AI"看"到的是图片不是文字,回答全靠猜。学会判断,少走一半弯路。

> 实测:一份8页的论文PDF,文字版,转换工具0.2秒转出5.8万字符,公式、章节全保留;同样是这份论文打印后再扫描,就是扫描版,必须OCR,识别率还打折。(示例为主编实测,工具为开源文档转换工具)
常见误区：扫描件"看起来"也是文档,直接喂AI。扫描件是图片,AI不识字——先OCR,别让格式卡住。
1.3 为什么要转格式:AI吃不了"图片型"文档

讲解：AI处理文字的能力很强,但"看图片里的字"能力有限(尤其中文扫描件)。所以让AI读文档,标准动作是"转格式":把Word/PDF/扫描件变成干净的文本(Markdown),AI就能读得又快又准。转格式还有个好处:文本能进知识库(12课)、能搜索、能复用——格式一转换,文档从"死文件"变"活知识"。

为什么重要：转格式是"把货拆成AI能搬的规格"——这步做了,文档才真正"能用",AI才真正"读得懂"。

> 一份供应商合同,不转换喂AI:"我看不清,请提供文字版";转成Markdown后喂AI:"违约责任在第3条,违约金为合同金额的20%……"——转换前后,AI一个"瞎"一个"准"。(示例为教学演示)
常见误区：觉得"AI很聪明,直接给它PDF就行"。AI对"图片型"内容识别有限,转格式是让AI发挥100%的前提。 >
AI 生成流程图
assets/flows/13-01.svg(文档→识别类型→能读?→转换→入库) · 点击图片可放大

📌 本章小结

  1. 四种文档:Word文字/PPT图文/Excel数据/PDF最麻烦
  2. PDF分文字版和扫描版,3秒判断(文字能选中吗)
  3. 转格式是让AI读懂的必做动作:文档变文本,死文件变活知识

✍️ 自测题

  1. 怎么判断PDF是文字版还是扫描版?(答案:看文字能不能选中)
  2. 扫描版PDF直接喂AI会怎样?(答案:AI读到的是图片,读不了字)
  3. 转格式的格式选什么最好?(答案:Markdown/纯文本,AI最顺)
第2章第2章 转格式:文档变文本
2.1 转成什么:Markdown最好喂AI

讲解：转换的目标格式,推荐Markdown:它是"带结构的纯文本"——标题、表格、列表都保留结构,但本质是文本,AI读得顺、搜索找得到、知识库进得去。转成Markdown后,一份合同的结构(章节/条款)、一份报表的结构(表头/数据)都还在,只是从"排版文件"变成了"结构化文本"。纯文本也行,但会丢结构,能转Markdown就转Markdown。

为什么重要：格式决定AI的阅读质量。Markdown保留结构,AI能分清"标题vs正文vs表格",回答更准;纯文本一团,AI只能囫囵吞。

> 同一位Excel供应商报价表:转成纯文本,数据挤成一串难读;转成Markdown,保留表格结构,AI能回答"鸡蛋报价最高的是哪家"——结构在,AI才能"看懂表"。(示例为教学演示)
常见误区：转成纯文本就够了。纯文本丢结构,表格变流水账——能转Markdown就转Markdown,信息不丢。
2.2 转换工具:一条命令的事

讲解：文档转Markdown,有专门的工具(如anydoc类开源工具):命令行一条命令,把PDF/Word/PPT/Excel转成Markdown,批量文件也能一次转。速度实测:表格文件0.2毫秒,8页论文PDF转出5.8万字符只花0.2秒。不会命令行也没关系,有在线转换站和带界面的工具,选一个顺手的。核心是"找对工具,转换就是几分钟的事"。

为什么重要：工具选对,转换从"折腾一下午"变"几分钟"——效率差百倍,别用笨办法。

> 我们实测的开源转换工具(anydoc):一条命令转一个文件夹,Excel转表格、PDF转全文、PPT转大纲,还支持批量。装一次,以后所有文档都走它。(示例为主编实测,工具为开源项目)
常见误区：用"复制粘贴"转文档(复制PDF文字到Word)。长文档复制会乱版、丢格式——用专业转换工具,一步到位。
2.3 转完检查:乱码、丢表格、丢图片

讲解：转换后必做"质检":①乱码——中文/公式是否正常(有些PDF转出来是乱码,要换工具或开OCR);②表格——数据表结构还在不在;③图片——配图是否保留或标注位置;④顺序——章节顺序有没有乱。质检30秒,问题早发现。转换不是"转完就完",是"转完+检查"。

为什么重要：转换质量决定后续使用质量。转出来是乱的,喂给AI也是乱的——30秒质检,省下后面一堆麻烦。

> 转完一份带公式的论文PDF,检查发现公式全变乱码——换用支持公式的转换配置重转,公式正常了。质检发现的是"转换配置不对",不是"工具不行"。(示例为教学演示)
常见误区：转完不看直接喂AI。转换可能乱码丢表——30秒质检(扫一眼乱码/表格/顺序),比事后返工强。 >
AI 生成流程图
assets/flows/13-02.svg(Word/PDF→转换工具→Markdown→检查→入库) · 点击图片可放大

📌 本章小结

  1. 转Markdown最好:保留结构,AI读得准
  2. 找对工具(anydoc类/在线站),转换几分钟搞定
  3. 转完必质检:乱码/表格/顺序,30秒扫一眼

✍️ 自测题

  1. 转换目标格式选什么?(答案:Markdown,保留结构)
  2. 转换工具的好处?(答案:批量/快/保结构,一条命令)
  3. 转换后要检查什么?(答案:乱码/表格/图片/顺序)
第3章第3章 批量转换与扫描件OCR
3.1 批量转换:一堆文件一次转

讲解：手头一堆文档(几十份合同/资料),别一个个转——用批量转换:工具支持"一个文件夹一次转",所有文件自动转成Markdown。批量转之前先分好类(哪些要转/哪些不转),转完统一质检。实测:批量转几十份文件,也就几分钟。批量是"文档处理的规模化武器"。

为什么重要：一次性处理一堆文档,是知识库建设(12课)和文档数字化(福清公文库案例)的基础能力——不会批量,几百份资料得转到猴年马月。

> 福清市自然资源局把历史公文批量转成"能搜能写"的AI知识库——几千份档案,靠的就是批量转换+入库。(案例改编自调研包,来源为公开报道)
常见误区：批量转完不质检,全库都是乱码。批量+抽查(每10份抽1份看质量),是标准动作。
3.2 OCR:扫描件/图片变文字

讲解：扫描版PDF、拍照的合同、截图,都是"图片型"文档,要用OCR(光学字符识别)把图里的字"认"出来变成文字。主流OCR工具:在线OCR站、带OCR的转换工具、手机扫描App(扫描全能王类)。OCR质量看清晰度:字迹清楚识别率高,手写/模糊识别率低。OCR之后记得校对关键数字(合同金额/日期)。

为什么重要：OCR是"抢救扫描件"的唯一方法——老合同、传真件、拍照资料,全靠OCR变文字才能进AI。

> 一份老板当年手签的供货协议(扫描件),OCR后AI能读、能答"违约金怎么约定"——没有OCR,这份协议AI永远"看不见"。(示例为教学演示)
常见误区：OCR万能,扫得不清楚也能认。OCR对清晰印刷件效果好,手写/模糊件识别率低——关键数字一定人工校对。
3.3 处理不了的情况:手写、复杂版面

讲解：OCR也有边界:①手写体——潦草字迹识别率低,关键手写件找人或专门工具;②复杂版面——多栏报纸/花哨宣传册,识别顺序会乱;③加密PDF——打不开转不了,先解密或找密码;④超大文件——内存不足转不动,先拆分。遇到这些,别硬刚:换工具/拆文件/人工处理,总有一条路。

为什么重要：知道边界,不浪费时间。文档处理80%能自动化,20%要人工——分清哪些能转、哪些转不了,效率最高。

> 一份多栏的旧报纸版面,OCR转出来文字顺序全乱——换"版面分析"强的工具,或者干脆人工摘录要点。工具不是万能的,边界要心里有数。(示例为教学演示)
常见误区：转换失败=工具不行,换一个继续试到天荒地老。先看是不是边界问题(手写/复杂版面/加密),边界问题不是换工具能解决的。 >
AI 生成流程图
assets/flows/13-03.svg(扫描件?→OCR→文字;否则直接转→检查) · 点击图片可放大

📌 本章小结

  1. 批量转换:一个文件夹一次转,几分钟处理一堆
  2. OCR救扫描件:图片变文字,关键数字人工校对
  3. 边界要认清:手写/复杂版面/加密,别硬刚

✍️ 自测题

  1. 批量转换的适用场景?(答案:几十份同类文档,一次转)
  2. OCR能处理什么?(答案:扫描件/拍照图变文字)
  3. 手写体OCR效果如何?(答案:识别率低,关键内容人工处理)
第4章第4章 表格处理与文档喂AI
4.1 Excel转文本:表格数据变可读

讲解：Excel是最"值钱"的文档——里面是数据。喂AI的方式:直接转成Markdown表格(保留结构),或者让AI读"表格文本"。转换后AI能:算汇总/找异常/对比两表/生成图表描述。实测:订单数据表转成Markdown表格,AI能直接回答"哪个品类的销量最高"“哪个城市订单最多”。表格喂AI的关键:保留表头、保留行列结构。

为什么重要：Excel是普通人的"数据金矿"——转好格式,AI帮你挖。不会转,数据只能在Excel里躺着。

> 一份超市订单表(几百行),转成Markdown后问AI:"上个月销量前5的商品是什么?""哪个供应商到货最慢?"——AI对照表格数据回答,几秒钟出结果。(示例为主编实测,数据为演示数据)
常见误区：把Excel截图发给AI。截图是图片,AI看数字费劲且算不准——转成文本表格,AI才能"算"。
4.2 长文档分段:一次贴不完怎么办

讲解：AI有上下文窗口(01课学的:Token上限),超长的文档一次贴不完。处理办法:①分段——按章节切块,一次喂一块;②分主题问——每块问对应的问题;③摘要先行——先让AI读目录/摘要,再按需深入。别硬贴——超窗内容会被丢掉(01课学的),喂一半留一半,AI回答必然残缺。

为什么重要：长文档(几十页合同/几百页报告)喂AI是日常——学会分段,才能"读"得完。分段是长文档AI化的基本功。

> 一份50页的采购合同,分5段喂AI:第1段问"合同主体和期限",第2段问"价格条款"……每段问对应问题,50页合同AI"读"得明明白白。(示例为教学演示)
常见误区：一次全贴,AI显示"内容超限"。超窗内容被静默丢弃(01课)——分段喂、分主题问,是标准姿势。
4.3 文档问答:喂给AI让它"读"合同/资料

讲解：文档喂AI的最高级用法是"文档问答":把文档(转好的文本)给AI,它变成"读过这份文档的专家",你问什么它答什么——"合同违约金多少""这份报告的结论是什么""供应商联系人的电话"。配合12课知识库,文档可以长期"住在"AI里,随时问。实测:论文PDF转文本后,AI能回答"这篇论文的方法是什么""数据集有多大"。

为什么重要：文档问答让"读文档"从"人啃"变"AI答"——合同审查、资料查询、报告理解,全是这个用法。

> 市民用AI审租房合同,不到1分钟看出20余项风险(租金条款/押金退还/违约责任)——这就是"文档喂AI+专业提问"的威力。(案例改编自调研包,来源为公开报道)
常见误区：喂完文档就问"总结一下",问题太泛。文档问答要"问得具体"(金额/日期/条款/对比),AI才答得准——提问方法见02/03课。 >
AI 生成流程图
assets/flows/13-04.svg(Excel→转文本→分段→喂AI→提问→验证) · 点击图片可放大

📌 本章小结

  1. Excel转Markdown表格,AI能算能查能对比
  2. 长文档分段喂:按章节切块,分主题问
  3. 文档问答:喂给AI它就成了"读过文档的专家",问得具体答得准

✍️ 自测题

  1. Excel喂AI的正确姿势?(答案:转Markdown表格保留结构,别截图)
  2. 长文档一次贴不完怎么办?(答案:分段喂+分主题问)
  3. 文档问答的价值?(答案:合同/资料不用人啃,AI答)
第5章第5章 隐私与合规
5.1 敏感文档:合同、客户资料别乱上传

讲解：文档处理要过"隐私关":合同、客户名单、财务报表、身份证复印件——这些敏感文档,上传到在线工具前要三思。在线工具=数据上云,平台条款怎么约定你不一定清楚(05课学的:隐私别乱发)。处理敏感文档的原则:能本地转就本地转,非上传不可就用信誉好的大平台,上传前把敏感信息打码。

为什么重要：隐私泄露的代价远超文档本身——合同里是商业机密,名单里是客户信任。守住敏感文档,是文档处理的底线。

> 供应商合同要转格式:敏感(含价格条款),用本地转换工具转,数据不出机器;一份公开的宣传资料,用在线转换站就行——按敏感度分流,又安全又方便。(示例为教学演示)
常见误区：图方便,所有文档都丢在线工具。合同/名单/报表是"高敏文档",本地转或打码——别让方便赌隐私。
5.2 本地转换:数据不出机器的方案

讲解：敏感文档的解法是"本地转换":用装在自己电脑上的转换工具(anydoc类开源工具/本地OCR),文档不出机器,转换全在本地完成。实测:本地装一次工具,PDF/Excel/Word随便转,数据零上传。本地转换的代价是要装软件(一条命令),收益是敏感数据绝对安全——对经常处理合同/客户资料的店主,值得装。

为什么重要：本地转换是"隐私和效率兼得"的方案——敏感文档用本地,公开文档用在线,两条路都通。

> 我们主机上就装了本地转换工具:客户发来的docx/xlsx/PDF,一条命令转成Markdown喂AI,数据全程不离开电脑——处理超市客户的敏感资料,放心。(示例为主编实测)
常见误区：觉得装软件麻烦,不如在线站方便。装一次(几分钟),换来的是"敏感文档随便转"——对高频处理资料的人,这账划算。
5.3 转换边界:版权与合规使用

讲解：文档转换还有"合规边界":①版权——转别人的书/资料,自用可以,商用发布要授权(还记得06课学的版权案吗);②用途——转来的内容用在合规的地方,别拿去做违规的事;③标识——AI处理生成的内容,按平台要求标识(09课学的)。转换工具是中性的,用的人要守规矩——底线意识,从第一天就要有。

为什么重要：工具无罪,用法有界。版权和合规是"长期账号的命"(05课学的),文档处理一样要守。

> 把供应商的产品手册转成知识库给自己员工用:没问题;把别人的付费课程讲义转出来卖钱:侵权。同一个转换工具,用法不同,合规性质天差地别。(示例为教学演示)
常见误区：觉得"转换工具是免费的,转了就是我的"。工具免费≠内容免费——转别人的东西,自用留个心眼,商用先授权。 >
AI 生成流程图
assets/flows/13-05.svg(文档→敏感?→本地转;否则在线工具→检查) · 点击图片可放大

📌 本章小结

  1. 敏感文档(合同/名单/报表)别乱上传,先打码或本地转
  2. 本地转换:数据不出机器,隐私效率兼得
  3. 版权边界:自用可以,商用要授权,工具无罪用法有界

✍️ 自测题

  1. 合同这类敏感文档怎么处理?(答案:本地转或打码,别直接传在线工具)
  2. 本地转换的好处?(答案:数据不出机器,绝对安全)
  3. 转别人的资料能商用吗?(答案:要授权,工具免费≠内容免费)
  4. 识别:判断是文字版还是扫描版(文字能选中吗)
  5. 转换:选工具(本地优先/在线站)转成Markdown
  6. 质检:扫一眼乱码/表格/顺序
  7. 喂AI:让AI回答3个具体问题(金额/条款/结论)
  8. 入库:转好的文本放进知识库(12课方法)

作业

**要求**:找一份自己手头的PDF(合同/资料/说明书),转成Markdown并让AI回答3个问题。

**步骤**:

  1. 识别:判断是文字版还是扫描版(文字能选中吗)
  2. 转换:选工具(本地优先/在线站)转成Markdown
  3. 质检:扫一眼乱码/表格/顺序
  4. 喂AI:让AI回答3个具体问题(金额/条款/结论)
  5. 入库:转好的文本放进知识库(12课方法)

**验收标准**:转换无乱码/AI答对3题/敏感信息已处理(本地转或打码)。

**示例成品**:调研包案例1(市民用AI审租房合同,1分钟看出20余项风险)就是完整示例——合同转文本→喂AI→逐条问风险。

## 学完去哪

  1. **下一课:14 营销获客** —— 让AI帮你做朋友圈/群运营/活动
  2. 配套实操记录:第7周《供应商合同AI化:找条款从10分钟到10秒》
  3. 延伸:12 知识库管理(转好的文档入库) · 07 客服回访员(客户资料库)