🤖 AI Agent × 手写录单

AI Agent不是概念机：一个在手写录单场景跑了2年的真实案例

2024年初，我们在一家食材配送公司部署了第一套手写订单识别系统。那时候还没有"AI Agent"这个热词，我们管它叫"自动录单程序"。

两年后回头看，那个程序做的事情，其实就是今天大家讨论的"AI Agent"——感知输入→理解意图→调用工具→执行任务→闭环反馈。只不过我们的Agent没去写诗作图，它专心做了一件事：把食堂阿姨的手写订货单变成系统里的结构化数据。

录单Agent的工作方式

一个典型的AI Agent包含四个核心能力：感知、决策、执行、学习。我们的录单Agent在这四个维度上都有对应的实现：

1. 感知：通过视觉识别"看到"手写单

Agent的"眼睛"是OCR识别引擎。它通过深度学习视觉模型"看到"手写单据上的文字。但真实场景中的"看"不是拍张照就完事——Agent需要处理倾斜、反光、水渍、字迹粘连等复杂情况。经过图像预处理（纠偏、对比度增强、噪点过滤）后，才能进入文字识别阶段。

一个典型场景：食堂阿姨在忙碌中写的"西兰花"，字迹歪斜、部分笔画被水渍覆盖。Agent的视觉模块需要先校正倾斜、增强对比度，再从模糊的笔画中提取出"西兰花"这个品名。

2. 决策：结合知识库做语义理解

识别出一串字符只是第一步。Agent还需要理解这些字符的含义——哪个是品名、哪个是数量、哪个是单位。这需要场景知识的支撑。

Agent内部内置了一个餐饮食材知识库（2000+种常见食材及别名），以及一套纠错规则。当识别结果模糊时，Agent会结合上下文做"最佳猜测"——比如看到"散花"结合场景推断为"散花菜"，看到"京包"推断为"京包菜"。这不只是OCR，这是语义理解。

3. 执行：自动完成数据入库

Agent的"手"是数据写入接口。识别并结构化后的数据，自动写入ERP/WMS/进销存系统。整个过程不需要人工干预——Agent自主调用系统接口，完成数据的写入和状态更新。

这是Agent和普通OCR最本质的区别：OCR输出的是文字，Agent输出的是结果。一个把"西兰花20斤"变成一串文本，另一个把"西兰花20斤"变成系统中一条可查询、可统计、可与历史数据对比的正式记录。

4. 闭环：人工核验与持续学习

Agent不是100%正确的。面对极端模糊的字迹或从未见过的单据格式，Agent会把"模糊项"标记出来，等待人工确认。这个确认结果会反馈到系统中——Agent会记住这个纠错，下次遇到类似情况就知道如何处理了。

这就是"持续学习"在真实场景中的样子：不是大模型在云端更新参数，而是Agent在日常使用中不断积累规则、完善知识库。用得越久，准确率越高。

Agent不是"替代人"，是"扩展人"

很多人讨论AI Agent时，核心担忧是"人会不会被替代"。但在这个场景里，Agent做的事情不是替代人，而是把人的精力从"低价值重复劳动"中释放出来。

录单员原来每天花5-6小时盯着屏幕打字，现在只需要花20分钟核验Agent的识别结果。剩下的4-5个小时可以用来做更有价值的事情——核对库存、跟进异常订单、优化采购计划。人的价值被提升了，而不是被削减了。

写在最后：AI Agent的落地不在技术，在选择场景

两年多的实践让我们确信一件事：AI Agent落地成功的关键，不是你用了多先进的大模型，而是你选对了场景。

一个好的Agent场景有三个特征：输入是重复的、输出是标准的、价值是可量化的。手写录单恰好完美符合这三个条件——每天都在产生、每天都要录入、录错了就有损失。Agent不需要多聪明，只需要在重复中做到稳定不出错，它的价值就成立了。

如果你也想试试把"录单Agent"用在自己的业务中，可以从一张手写单开始——我们的手写订单识别体验版免费开放，你上传一张正在处理的单子，看看Agent能不能帮你省下那10分钟的录入时间。