MADP：带人在回路的可持续文档处理多智能体流水线

文档处理自动化仍是企业环境中的关键挑战，传统人工方式劳动强度大且容易出错。我们提出MADP，一种多智能体架构，通过将基于深度学习的分类与解析和大语言模型抽取相结合，并借助选择性人工校验来保持准确性，从而应对企业场景中文档处理自动化的挑战。该系统集成了五个专用智能体——Classificator、Splitter、Parser、Extraction和Validator——并配有人在回路（HITL）机制以及新颖的带反馈继承的提示微调（PFTFI）方法。对每年10万张发票的生产用例场景的运营分析表明，全职等效（FTE）需求有望减少约70%。截至2026年1月，在955份真实文档上的生产部署实现了97.0%的全流水线自动化率，仅3%需要非AI回退。在分层抽取的100份文档子集（20个供应商/文档类型类别各5份）上进行的消融评估表明，带人在回路监督的完整MADP配置达到98.5%的文档级准确率。此外，我们给出了全面的可持续性分析，显示与传统人工处理相比，我们的AI+HITL混合方式减少69%的二氧化碳排放、69%的能耗和63%的用水量。对多个LLM后端（Granite-Docling、Mistral-Small、DeepSeek-OCR）的基准比较为生产环境部署提供了实用洞见。