把 PDF 丢给大模型，让它把表格转成 JSON——多数人做到这一步就停了，然后在真实数据里被一堆 "(1,234)"、"$5.00[1]" 教做人。OpenRouter 新发布的教程给出的思路不一样：别让模型自由发挥，把 PDF 作为文件直接传进去，同时附上一份严格的 JSON Schema。
真正的门道不在"模型能读文件"，而在把输出形状锁死。教程要求表格以带类型的行返回：每一列的语义、类型、清洗规则都写进字段描述里——会计格式的括号代表负数，转成负号；千分位逗号剥掉；脚注上标和星号一并剔除。这些细节听上去琐碎，却是表格数据能不能直接入库的分水岭。Schema 一收窄，模型的注意力就落在填值上，比指望它"理解意图"稳得多。
和"先 OCR 再写正则清洗"的老路子比，文件加 Schema 的组合少了一次格式转换，也少了一层解析失败的可能。OpenRouter 把这套流程当教程公开，说明表格提取正在从演示 demo 变成可交付的工程步骤。当然，Schema 管不了长表格截断和跨页合并，那部分还得靠分块投喂与人工抽检兜底。工具把脏活往前挪了一步，剩下的一步仍然要人自己走。
