客户订单是 XML、还有 Excel / PDF / 图片等不同格式，系统能不能统一接入？

结论：可以统一接入，但入口不能共用一套解析规则。XML/Excel 按结构和模板映射，文本 PDF 做版面解析，扫描 PDF/图片做 OCR；所有结果先进入统一订单草稿，通过客户、商品、金额和重复校验后才能转为正式订单。

“统一”指后续业务使用同一个订单模型、状态和审核流程，不是强迫不同文件走同一种识别技术。结构化 XML 已经包含字段关系，再转成图片 OCR 会损失信息；Excel 需要处理工作表、单元格类型和合并区域；PDF 可能是带文字层的电子文件，也可能只是扫描图；手机照片还会有倾斜、反光和缺页。滚水科技会为每种来源建立适配器，原文件始终保留以便追溯。

在继续拆分功能、数据与验收场景时，还可以对照 散户和普通餐厅现在靠人工录单，能否减少人工二次录入？；这些内容补充了需要放在同一项决策中考虑的上下文。

各格式的合理路径如下：

来源格式	首选解析方式	可自动校验	主要异常	直接建议
XML/EDI/API	按 XSD 或接口版本验证后映射	节点、类型、枚举、必填与版本	命名空间、版本升级、编码和重复消息	稳定客户优先使用
Excel/CSV	模板、表头别名和类型映射	列、日期、数字、明细合计	合并单元格、公式缓存、多工作表和人为改列	提供下载模板和导入预检
文本型 PDF	提取文字、坐标和表格结构	关键字、页码、金额勾稽	字体编码、跨页表格和阅读顺序	先判断有无可靠文字层
扫描 PDF/图片	图像预处理、OCR、版面/字段抽取	置信、格式、合计和主数据匹配	模糊、遮挡、手写、倾斜和缺页	低置信强制人工复核

XML 接口应保留来源客户、格式版本、消息 ID 和文件校验值。能获得对方 XSD 时，先按 W3C XML Schema 规范 检查结构，再做业务校验；XSD 通过只说明文档结构合法，不代表客户编号存在、价格有效或金额正确。未知扩展字段要按版本策略处理，不能静默丢弃后仍标记成功。

Excel 导入先展示预检结果，让操作人确认识别到的表头、记录数和错误行；日期、长编号、前导零和科学计数法要特别测试。标准 Office 文件可参考 Microsoft SpreadsheetML/Open XML 文档 解析单元格结构，但业务模板仍由双方定义。公式单元格应明确读取公式还是计算后的缓存值，不能因客户端未重算而导入旧金额。

PDF 和图片不得预先承诺统一“95% 以上”。准确率取决于版式、扫描质量、语言、印章、手写和字段定义，而且“字符识别正确”不等于“订单字段完整正确”。可用 PaddleOCR 官方项目 等工具跑基线，在客户样本上逐字段统计订单号、商品编码、数量、单价、金额、地址的完全正确率，并记录一份订单需要人工修改的时间。

统一订单模型建议包含来源、外部订单号、客户、收货主体、币种、税率、商品明细、数量、单价、总额、交期、附件和解析版本。进入正式订单前依次做文件级防重、客户和商品主数据匹配、金额勾稽、币种单位、权限与业务规则校验。无法匹配的商品不能由模型凭语义自动创建正式主数据，应进入人工选择或新增审批。

待复核池需要展示原文与字段并排对照，突出低置信和规则冲突；人工修改保存旧值、理由和操作者。人工结果能否用于优化模型，要看数据授权和质量审核，不是修改一次就自动“越用越准”。模板和规则按客户及生效时间版本化，历史文件重跑时记录新任务，不覆盖当初导入证据。

首期样本不应只规定“30 份以上”，而应按来源和长尾覆盖。选每种主要格式的常见模板、旧版本、缺字段、多页、退款/负数、外币、模糊扫描和手写样本，划分开发集与冻结验收集。验收报告给出逐格式数量、关键字段准确率、整单无需修改率、误接收率、重复拦截率、平均复核时间和正式入库错误数。

滚水科技的 AI 订单 OCR 方案 可承担图像类入口，但整个项目还包括主数据、规则、复核和订单流程。