n8n 模板：把混装多份文件的 PDF 智能拆分归档

原文要点

原模板通过 n8n 上传表单接收单个 PDF，用 pdfRest 做 OCR、逐页转 Markdown 并标记低文字页；OpenAI 经 LangChain Information Extractor 推断连续文档边界（类型、标题、对方单位、依据）；确认表单可改标题/分类/起止页、排除或新增至多两组，最多提交三轮；校验每页恰好归一组后按起始页排序拆分并命名，可选上传 Google Drive，最终连同页码清单打成 ZIP 下载。需 pdfRest 与 OpenAI/Anthropic 凭据。

这次做成什么

在 n8n 导入该免费模板并配好凭据与 Settings，用一份合成的三合一 PDF 走通「上传→AI 分组→人工确认→拆分下载 ZIP」全流程；另附本站设计的本地模拟练习，在无 pdfRest 额度时先验证分组与校验逻辑。

准备什么

• 可用的 n8n 环境（自托管或 Cloud）
• pdfRest API key 与一个 OpenAI 或 Anthropic API key
• 一份含多份文档的测试 PDF（建议自制 6 页合成件）
• 可选：Google Drive OAuth2 凭据与目标文件夹 ID

具体怎么做

1. 导入模板并连接凭据

   在 n8n 工作流页导入模板 20573，新建 pdfRest 凭据并逐一绑到 PDF info、OCR、split pages、convert to Markdown、split approved documents 各节点；在 AI 模型节点绑定 OpenAI 凭据并选择你账号可用的模型。

2. 调整 Settings 并先关闭 Drive

   打开 Settings 节点，按批量设 maxPages（如 50）、maxTextCharacters（如 8000）、ocrLanguages（中文件含 chi_sim）；保持 saveToDrive=false，避免首次运行卡在文件夹配置上。

3. 制作合成测试 PDF

   用 Word 或合并工具做一份 6 页 PDF：第 1-2 页报价单（含金额）、第 3-5 页服务合同（第 4 页只有签名印章）、第 6 页发票，保存为 test-bundle.pdf。

4. 运行上传并查看 AI 分组

   打开模板表单 URL，上传 test-bundle.pdf，等待 OCR 与逐页 Markdown 完成，查看 OpenAI 给出的分组建议（应为三组，页码 1-2、3-5、6）。

5. 在确认表单中核对修正

   若标题或起止页不对直接编辑；故意把一组改为 3-6 提交，应收到「每页须恰好归属一组」的明确错误且已填内容保留，改回后再次提交（最多三轮）。

6. 下载 ZIP 并核对产物

   校验通过后下载 ZIP，确认内含 3 个按类型与单位命名的 PDF 和页码 manifest，逐页对照原始 6 页无遗漏无重叠。

可直接复制的材料

你是文档分拣助手。我会给你一份 PDF 的逐页文本清单，每页含页码、提取文本开头和文字量标记。请推断连续的文档边界，要求：1) 每份文档页码连续；2) 每页恰好属于一份文档；3) 对每份文档输出 type（文档类型）、title（建议标题）、counterparty（对方单位）、startPage、endPage、evidence（判断依据，注明页码）。只输出 JSON 数组，不输出其他内容。若某页文字过少无法独立判断，根据前后页归类并在 evidence 中说明。

page,marker,text_head
1,normal,报价单 蓝天科技有限公司 项目：官网改版 金额：¥48,000
2,normal,报价明细：设计 ¥20,000；开发 ¥28,000；合计 ¥48,000
3,normal,服务合同 甲方：蓝天科技有限公司 乙方：晨星工作室
4,low_text,（签名页，仅含印章与日期栏）
5,normal,合同条款：交付周期 30 天，验收后 10 日内付款
6,normal,发票 INV-2026-018 金额 ¥48,000 开票方：晨星工作室

输入与输出示例

本站虚构演示，非模板实际调用结果；真实输出字段以导入后的 Information Extractor 配置为准。

输入

上面 6 页 CSV：1-2 页为蓝天科技报价单合计 ¥48,000，3-5 页为服务合同（第 4 页低文字签名页），第 6 页发票 INV-2026-018 金额 ¥48,000。

对应输出

[{"type":"报价单","title":"官网改版报价单","counterparty":"蓝天科技有限公司","startPage":1,"endPage":2,"evidence":"第1页含报价单字样与合计 ¥48,000"},{"type":"服务合同","title":"官网改版服务合同","counterparty":"蓝天科技有限公司","startPage":3,"endPage":5,"evidence":"第3页含甲方乙方，第4页文字过少按签名页归入本组"},{"type":"发票","title":"发票 INV-2026-018","counterparty":"晨星工作室","startPage":6,"endPage":6,"evidence":"第6页含发票号 INV-2026-018 与金额 ¥48,000"}]

做完检查这些

• ZIP 内含 3 个独立 PDF 和 1 份页码 manifest，文件名带类型与对方单位
• manifest 中第 1-6 页每页恰好出现一次，无遗漏无重叠
• 低文字的第 4 页被正确归入合同组而非单独成组
• 提交越界分组（如 3-6）时收到明确错误提示且已填内容保留

容易卡住的地方

• pdfRest 与 OpenAI 调用均按各自平台计费，练习时控制 PDF 页数
• 超过 maxPages 的 PDF 会被拒绝，需在 Settings 调大后重新运行
• 纯扫描件若 ocrLanguages 未含对应语言，会出现大量低文字页导致分组不准
• saveToDrive=true 时 outputFolderId 必须是真实文件夹 ID，否则流程报错
• 三轮修正后分组仍不合法则流程终止，需修正后重新上传