用AI帮房地产广告公司处理发票，每月无需任何工作赚取650美元

我合作的这家日本房地产营销公司为几十家房地产开发商在雅虎广告、谷歌广告和META上投放广告。

每个月，他们要花好几天时间手工处理发票，即从各种不同格式里提取数据，全部重新整理成符合日本会计标准的格式。

这活儿真是烦人透了。

我用这些工具解决了问题:

n8n负责工作流。

Supabase做数据存储和日志记录。

Claude AI分析从PDF里提取的数据。我发现Claude在处理数字密集的长发票时，比某些OpenAI模型表现更稳定，ChatGPT有时会莫名其妙跳过某些行。我把分析过程拆成小块，最后再组合成最终格式，这样能避免出现幻觉

向量数据库(Supabase里的pgvector)做模糊匹配。这是我找到的唯一能匹配差异很大的文件名的靠谱办法，毕竟不是简单的多个空格或下划线，而是订单号混在活动名称里，所以向量数据库是唯一合理的解决方案。另外我还按置信度分数过滤，即使遇到太奇怪的内容也会自动标记出来

结果让人兴奋！原本每月需要20-30小时的工作，现在几分钟就能自动完成！

他们每月付我650美元做维护和改进。系统已经在生产环境跑了4个月。

我的经验是：不要低估企业工作流里文件格式的复杂程度，向量数据库不只适合AI聊天，用来做模糊的业务数据匹配效果特别好。

n8n的灵活性超乎想象，别跟代码节点较劲，拥抱它才能发挥最大作用。

真正能节省时间的自动化，企业愿意花钱买。