PDF 文档自动分类抽取并分流到 Airtable

原文要点

原模板从 n8n 上传表单或 Gmail 附件（搜索条件 has:attachment filename:pdf）收取 PDF，提取文本并把来源、提交人、可选类型提示和原文规范化；调用 Anthropic Messages API 让 Claude 自动识别四类文档（发票/简历/合同/申请表）、按类型抽字段，返回缺失必填项和置信度；缺字段、置信度低于 0.6 或类型不明时发 Slack 提醒并写入 Airtable 的 Needs Review 表；否则按类型路由写入对应 Airtable 表，并在 Slack 发成功确认。

这次做成什么

搭一条“收 PDF→抽文本→Claude 分类抽字段→按质量分流 Airtable→Slack 通知”的 n8n 流程。本站提供独立练习方案、自写的分类抽取提示词和两类测试文档文本；Claude 请求体结构以 Anthropic 官方 Messages API 文档为准，节点细节请导入模板后核对。

准备什么

• 可登录的 n8n 实例及创建工作流、配置 HTTP 请求节点的权限
• Anthropic API Key，并在 n8n 凭据或请求头中正确引用（调用按官方计费）
• Airtable 账号与一个 Base，内含 Invoices、Resumes、Contracts、Applications、Needs Review 五张表
• Slack 工作区凭据及两个频道：待审提醒频道和一般通知频道
• 可选：Gmail OAuth2 凭据，用于开启邮件附件入口
• 若干测试用 PDF（可用本站示例文本自行生成，勿含真实个人信息）

具体怎么做

1. 配置两个收文入口

   入口一：n8n Form 触发器加一个文件上传字段，发布后先跑一次测试提交，记下产出里的文件字段名，把 PDF 文本提取节点的 binaryPropertyName 设成这个名字。入口二：Gmail Trigger，搜索条件设为 has:attachment filename:pdf，取附件二进制。两个入口汇合到同一个文本提取节点。

2. 规范化元数据

   提取文本后接 Set 节点，统一输出四个字段：source（form 或 gmail）、submitter（表单提交人或发件人）、doc_hint（可选的类型提示，无则留空）、raw_text（PDF 全文）。后续节点只引用这四个字段，避免两条入口字段名不一致。

3. 调用 Claude 分类并抽字段

   用 HTTP 请求节点 POST 到 Anthropic Messages API 端点，请求头带 API Key 与 anthropic-version 头（具体值以官方文档为准）；body 中 system 放下方“分类抽取提示词”，user 放 raw_text 与 doc_hint；要求只返回 JSON。

4. 解析并做质量判断

   接 Code 节点 JSON.parse 模型输出，得到 type、fields、missing_fields、confidence；接 IF 节点：missing_fields 非空、confidence<0.6、或 type 不在四类清单内，三者任一成立即走待审分支。

5. 待审与按类型落库

   待审分支：Slack 发提醒（含提交人、原因、置信度），Airtable 在 Needs Review 建记录存原文与解析结果。合格分支：Switch 节点按 type 四路分流，分别在对应表建记录；字段映射示例：发票表存 invoice_no、amount、date；简历表存 name、years、skills；最后 Slack 一般频道发“已处理并存档：类型+提交人”。

可直接复制的材料

你是文档分类与信息抽取助手。用户会给你一段从 PDF 提取的中文文本和一个可能为空的类型提示。任务：1) 判断文档类型，只能是 invoice（发票）、resume（简历）、contract（合同）、application（申请表）之一，判断不出就填 unknown；2) 按类型抽取字段：invoice 抽 invoice_no、amount、currency、date、vendor；resume 抽 name、years_experience、skills；contract 抽 parties、effective_date、duration；application 抽 applicant、program、submit_date；3) 列出缺失的必填字段名；4) 给出 0 到 1 的置信度。只输出一个 JSON 对象，不要输出任何其他文字，格式：{"type":"...","fields":{...},"missing_fields":["..."],"confidence":0.0}。金额保留原始数字与币种，日期统一为 YYYY-MM-DD，抽不到的字段不要编造。

发票
发票号码：INV-2026-0417
开票日期：2026-09-01
供应商：云舟办公用品（虚构）有限公司
金额：1280.50 元（人民币）
项目：打印纸 20 箱、订书钉 10 盒

个人简历
姓名：测试求职者丙
技能：Excel、数据透视表
（本文档故意不写工作年限与联系方式）

输入与输出示例

本站虚构演示，未真实调用 Claude 或写入 Airtable；JSON 为按提示词格式推演的示意。

输入

通过表单上传由“合规发票”文本生成的 PDF，提交人填 test-finance@example.com；另传“缺字段简历”PDF 一份。

对应输出

发票：Claude 返回 {"type":"invoice","fields":{"invoice_no":"INV-2026-0417","amount":"1280.50","currency":"CNY","date":"2026-09-01","vendor":"云舟办公用品（虚构）有限公司"},"missing_fields":[],"confidence":0.93}，写入 Invoices 表并 Slack 确认。简历：{"type":"resume","fields":{"name":"测试求职者丙","skills":"Excel、数据透视表"},"missing_fields":["years_experience"],"confidence":0.81}，进入 Needs Review 并提醒。

做完检查这些

• 表单上传测试 PDF 后，规范化节点输出的 source、submitter、raw_text 四字段齐全且无乱码
• 合规发票样例被分类为 invoice 且 confidence≥0.6，Invoices 表新增一行且五个字段值与 PDF 一致
• 缺字段简历进入 Needs Review 表，Slack 待审频道消息里写明缺失字段名与置信度
• 一份纯图片无文字层的扫描 PDF 不会静默成功，要么文本为空被判待审，要么有可见报错
• Gmail 入口仅处理带 PDF 附件的邮件，普通文本邮件不触发后续节点

容易卡住的地方

• binaryPropertyName 与表单实际文件字段名不一致是最常见失败，必须先跑一次测试提交确认
• 扫描件 PDF 没有文字层，提取结果为空，需要另行接入 OCR，本模板未覆盖
• Airtable 的 Base ID 与各表 ID 必须逐一替换为你自己的，用模板原值会写入失败
• anthropic-version 请求头缺失或填错会直接 400，具体取值以 Anthropic 官方文档为准
• Claude 输出偶发多余文字导致 JSON.parse 失败，解析节点需加 try/catch 并落到待审
• 阈值 0.6 是模板设定而非通用标准，简历类建议按抽样结果自行调校