资料里没有某个字段，怎样让AI明确标缺失而不是补出看似合理的值？

保存原文并识别凭空出现的值

这类问题常出现在发票信息整理、产品参数抽取或人员资料表中：原文没有日期，输出却出现一个看似合理的日期。保留原始资料与未修改的输出，逐个检查缺失字段。只比较表格是否完整，会把模型猜测误当成已经找到的数据。

区分未写信息和解析遗漏

先直接检查原文是否包含目标信息；若图片里确实存在而抽取文本没有，应先处理解析或OCR。接着核对字段定义，例如下单时间与付款时间不能因为都是日期就合并。还应区分空白、零与不适用，三者在业务中可能表示不同含义，不能自动互相替代。

为未知值定义明确的输出方式

明确规定有依据才填值，缺少资料时采用统一的null或缺失标记，并让结果保留来源位置。使用结构化输出时，把允许为空的类型写进Schema，再验证应用能正确处理未知值。不要在后处理里把所有空值换成默认日期；需要补充的信息应另外列出待确认，而非悄悄写进正式字段。

用缺字段样本检查是否仍然猜测

建立包含完整资料和刻意缺字段的对照样本，逐项确认已有字段被准确提取，缺失字段保持未知。还应检查原文明确为零的样本没有被误判成空白。验收时保存字段与来源的对应表，证明值来自材料，而不是仅让另一个模型表示“看起来正确”。

缺失值规则必须符合实际业务，不能把任意猜测都藏在“默认值”中。本文提供信息抽取与验证方法，没有处理真实客户资料，也没有保证某个模型不会补全。若源文件本身有冲突，应保留冲突或请求补充依据，不能擅自选择一个值并声称已经核实。