做 ShipDoc 过程中，我们早期有一个很朴素的想法：把 OCR 做到足够准，客户的问题就解决了一大半。真正做下来才发现，这个判断只对了一半。

单一单据的 OCR，在 LLM + 结构化输出的加持下，准确率达到 95% 以上并不困难。真正耗人力的不在这里，而在「同一票货物的 5-10 份单据之间，字段是不是一致」。

一个典型的场景：提单上的品名写 Leather Shoes，发票上写 Leather Footwear，装箱单上写 Shoes。单独看每一份都没问题，放在一起报关员就要复核——到底是不是同一票货？

我们的做法是，把每一票业务的所有单据放进一个「事件」，然后在事件范围内做字段归一与跨单据一致性校验。品名走语义相似度，HS 编码走规则表，数量与重量走差值容忍区间，日期走时间线合理性检查。任何一项异常都会在界面上标红，并给出最可能的错误来源。

这套机制带来的价值，比「把 OCR 再优化 1 个百分点」大得多——因为它把操作员真正花时间的「复核环节」变成了「异常时才介入」。