素材里的公司、发票、合同、客户信息全部是虚构的测试数据，可以放心让 AI 随便处理。
打开夸克网盘下载
42 个测试文件 · 和本次 6 个 AI 拿到的完全一样
6 个 AI 整理同一份乱文件：报销、找合同、照片归档、删重复，12 个陷阱谁会踩？
前几期，我让 AI 生成鹈鹕骑自行车的网页，又考了它们的识图能力。这次换一个更贴近上班的题目：给它一个乱糟糟的文件夹，看它能不能像个靠谱的文员一样，把活一次干完。 📂
这个文件夹里有 42 个文件：发票、合同、产品照片、报价单、装箱单、安装包、临时文件……全都堆在一起。我在里面埋了 12 个陷阱，有些连人做都容易错。
最后的结果有点出乎我意料。
配套视频
YouTube 视频需要能正常访问 YouTube 的网络才能播放。 如果加载失败，可以直接 观看抖音版视频。
规则：说一次，不追问，最后只看文件
每个 AI 都有一个自己独立的工作区，里面放的是一模一样的 42 个文件。我给每个 AI 发同一段提示词，发完就不再插话，不追问，也不提醒。
验收的时候，我不看它们回复里说了什么，只看文件夹最后变成了什么样：Excel 里的金额对不对，合同有没有改对名字，照片在不在对的月份里，该删的删了没有、不该删的有没有被误删。全部按文件内容自动核对。
每题 25 分，满分 100。
这是我发给每个 AI 的原话：
请帮我处理这个文件夹，按顺序全部做完：
- 我们公司是深圳市示例数码科技有限公司。把所有发票（包括拍照的）整理成一张 Excel 表：开票日期、销售方、金额、发票号，算出本次可以报销的合计。表格按合计金额命名，格式如「发票汇总_合计1234.56元.xlsx」。
- 几个合同版本中哪个是最终版？在它的文件名前面加上「最终版_」。
- 把文件按用途分类放进中文命名的子文件夹；产品照片按拍摄月份分到「2026-01」这样的文件夹，并重命名为「拍摄日期_序号.jpg」（如 20260108_1.jpg）。
- 找出内容完全相同的重复文件（不要只看文件名），每组只保留一份，其余的删除。
参赛选手
这次比的不只是模型，是模型 + 智能体客户端的组合，因为真正动手整理文件的是智能体。
| # | 模型 | 智能体 / 运行方式 |
|---|---|---|
| 1 | ChatGPT 6 | Codex |
| 2 | Claude Opus 5.5 | Claude 客户端 |
| 3 | DeepSeek 4.1 | DSH |
| 4 | 腾讯混元 HY4 | WorkBuddy |
| 5 | Qwen 3.8 Flash Next（本地运行） | DSH |
| 6 | 豆包 2.1 Pro | 豆包客户端 |
其中千问是在我自己电脑上本地跑的，不联网调用云端模型。
先自己试试？测试素材包下载
这 42 个文件我打包放进网盘了。 你可以下载下来，把上面那段提示词原样发给你常用的 AI，看看它能拿几分，再对照下面的答案。
建议先别往下翻，自己做一遍或者让 AI 做一遍，再看答案。😂
4 道题，12 个陷阱
第 1 题：这次能报销多少钱？
这道题考的是 AI 能不能看懂发票，而不是数文件。
文件夹里和发票有关的文件一共 11 个：9 个 PDF，加 2 张手机拍的照片。陷阱有三个：
- 同一张发票存了两份。「发票_东莞恒达包装.pdf」和「采购报销-3月-03.pdf」名字毫不相干，内容一模一样，发票号也相同。只能算一次。
- 有一张是个人抬头。 那张 899 元的办公椅发票，购买方是「张示例（个人）」，不是公司，不能报。
- 有两张是手机拍的照片。 IMG_3021.jpg 和 IMG_3022.jpg 看名字像普通照片，其实拍的是两张发票，得靠识图把金额和发票号读出来。
展开看正确答案
¥29,431.50，一共 9 张可报销发票。
最常见的错误答案是 ¥31,791.50，就是把那张重复的 2,360 元包装发票算了两次。
第 2 题：哪份合同是签了字的正式版？
5 份合同，名字一个比一个像终版：
- 合同(旧).docx
- 合同终版.docx
- 合同终版_真的终版.docx
- 合同v3最终.docx
- 合同_改.docx
如果只看文件名，大概率会选「真的终版」或者「v3最终」。如果按修改时间选最新的，会选中「合同v3最终」。可它其实是乙方提了修改意见、甲方还没回复的修订稿。
展开看正确答案
合同_改.docx。正文写着「正式签署版：甲乙双方已签字盖章」，是唯一一份双方签字盖章的。名字最不起眼，内容最正式。
第 3 题：照片按拍摄月份归档
9 张产品照片，要按拍摄日期分到月份文件夹里，再改名。陷阱是：
- 有 2 张照片的文件名日期是假的。「IMG_20260228_拍摄.JPG」看着是 2 月 28 日，照片里记录的拍摄时间其实是 3 月 5 日。「微信图片_20260311.jpg」看着是 3 月 11 日，实际是 1 月 20 日拍的。
- 同一天拍了 3 张。 2 月 14 日的三张要编成 _1、_2、_3，处理不好就会重名覆盖。
- 有 2 张不是产品照。 上一题那两张手机拍的发票也混在照片里，不该进产品照片文件夹。
展开看正确答案
1、2、3 月各 3 张，日期以照片自带的拍摄时间为准，不能看文件名。按文件名分的话，会有 2 张进错月份。
第 4 题：删掉内容完全相同的重复文件
提示词里特意写了「不要只看文件名」。这道题既考该删的删干净，也考不该删的别误删：
- 有一组重复，名字完全不同。「logo_final.png」和「品牌logo.png」是同一张图。
- 两份规格表名字几乎一样，内容却不同。「产品规格表.xlsx」和「产品规格表(1).xlsx」里，磁吸手机壳的价格一份是 69 元，一份是 79 元，不是重复，两份都要留。
- 名字带「拷贝」的不一定是副本。「产品图 拷贝.jpg」其实是一张独立的产品照片。
展开看正确答案
一共 4 组重复：报价单 3 份、装箱单 2 份、东莞恒达包装发票 2 份、logo 2 份。每组留 1 份，一共删掉 5 个文件。规格表两份都要留。
结果：全员满分
| 选手 | 🧾 发票 | 📄 合同 | 📸 照片 | 👯 删重复 | 总分 |
|---|---|---|---|---|---|
| ChatGPT 6 + Codex | 25 | 25 | 25 | 25 | 100 |
| Claude Opus 5.5 + Claude 客户端 | 25 | 25 | 25 | 25 | 100 |
| DeepSeek 4.1 + DSH | 25 | 25 | 25 | 25 | 100 |
| 腾讯混元 HY4 + WorkBuddy | 25 | 25 | 25 | 25 | 100 |
| Qwen 3.8 Flash Next（本地）+ DSH | 25 | 25 | 25 | 25 | 100 |
| 豆包 2.1 Pro + 豆包客户端 | 25 | 25 | 25 | 25 | 100 |
6 个组合，4 道题，12 个陷阱，一个都没踩。 报销金额都是 ¥29,431.50，都选中了「合同_改」，9 张照片的月份全对，4 组重复全找到了，也都没被那两份规格表骗。
说实话，出题的时候我以为至少有一两个会栽在重复发票或者假日期上。结果它们都会去读发票号、看正文、读照片里的拍摄时间，没有偷懒只看文件名。
最让我意外的是本地千问。 它就在我自己电脑上跑，不用联网调云端模型，也拿了 100 分。像发票、合同、客户名单这类不方便上传到网上的文件，本地模型能做到这个程度，挺有实际意义的。
我的几点感受
1. 这类文员活，AI 已经能放心交出去了。 算报销、找终版、归档照片、清理重复，以前是要坐下来对着文件一个个点开的活。这次 6 个组合都是一句话交代完，一次就做对了。
2. 关键还是要能验收。 我这次能放心说「全员满分」，是因为每一项都能对着文件核对。自己用的时候也一样，别只看 AI 回复说「已完成」，打开表格看看金额、翻翻文件夹，几秒钟就能确认。
3. 删文件这一步，最好让它先说清楚要删什么。 删除是撤销不了的。这次的题都设计成了能验证的，平时用的话，建议先让 AI 列出准备删除的文件和理由，你确认了再动手。
4. 题目可能出简单了。 全员满分，说明这个难度已经拉不开差距了。下一期我准备加难度：文件更多、陷阱更隐蔽，也许再加上扫描件和手写单据。
你平时最头疼整理什么文件？或者你想看 AI 挑战什么样的办公场景？欢迎在评论区告诉我，下一期就拿你的题来考它们。
本次测试于 2026 年 10 月 15 日完成，按文件内容自动核对。只代表这套素材、这段提示词和本次设置下的表现，不代表模型的综合能力排名。 换一个客户端、换一种说法，结果都可能不一样。
AI 玩家交流群
一起吹牛免费加入，一起测 AI 办公能力、交流本地模型和智能体用法，欢迎分享你的复测结果。
- 🧠 本地大模型
- 📱 数码好物
- 🤖 Agent 实践
- 🛠️ 免费 AI 工具
- 🎮 电脑硬件
10 月 26 日前有效
