卓邦科技｜数据补全与 AI 工作流
这段工作的重点是把“补齐数据”拆成可判断、可执行的步骤：识别缺失类型，选择补全方式，再考虑结果如何进入业务系统。
围绕行业研究、Dify 工作流、Python 数据处理和入库方案展开。任职日期以原 PDF 简历为准。
01 / 为什么先判断缺失类型？
“没有查到”可能来自检索遗漏、字段未覆盖，也可能是源头不公开。原因不同，处理方式就不应相同。
交接材料分别记录了整条遗漏、字段遗漏，以及资质、营收等低可得字段。
先比较原表与结果表，再核对字段和数据源；不把所有空值都当作模型失败。
整条遗漏：对照主键定位后补查。字段遗漏：只补新增字段并合并。结构性缺失：保留说明或寻找专项来源。
实现路径简单，但重复处理已有正确记录；如果来源本身不公开，重跑仍无法补齐。
原表对照 → 缺口清单 → 定向检索 → 主键合并 → 复核异常。
复核剩余缺口、重复记录和字段覆盖；质量比较必须保持字段范围与分母一致。
依据：交接文档第二部分的查漏与合并方法、第三部分的数据质量与字段可得性分析。验证口径为复盘建议。
02 / 为什么抽取之后还需要字段分流？
信息能被模型读出来，不等于能被业务系统正确接收。入库的关键是字段语义、系统约束和失败处理。
招投标信息需要进入后台，同时保留扩展信息；交接时输出节点和接口配置仍有待完成事项。
先定义接收端、数据类型、必填条件及缺失处理，再组织输出。
按业务含义进行映射，两路输出分别满足后台入库和扩展记录需求。
看起来完整，但格式合规仍可能伴随字段错位、接收端不支持或业务含义不一致。
正文识别 → 结构化提取 → 字段映射 → 双路输出 → 接收端确认。
检查缺失字段、无效 JSON、重复提交、映射错误及回传失败；不能只验模型是否输出文字。
依据：交接文档第四、第五部分的自动入库方案与待对接事项。异常验收场景为复盘建议。
产出与进一步阅读
- 行业与竞品调研、招投标抽取、企业补全和专家检索工作流。
- 原表与结果表对照、缺失记录定位、按主键合并新增字段的方法。
- 招投标正文识别与双路字段输出方案；接口对接、回传配置和端到端验收保留交付状态说明。
流程图依据已提供材料重新组织，用于说明设计逻辑。“方案 B”为复盘时的比较项，不表示当时曾正式评审；后续验证与实际已完成的工作在对应节点中分别说明。