周一下午，我差点把两个客户认成一个人

上周一，我打开客户表，发现两段相似资料里混着不同公司的邮箱。我顺手让 AI 判断哪条是真的，它回答得很肯定，可我心里没底：这到底是重复客户，还是同一家公司换了联系邮箱？名单越整理越乱，我卡了半小时，还是不敢合并。

如果你也遇到过这种“看起来一样、又不能确定”的资料，先别急着把所有记录都交给最贵的模型。我之前就是这么做的：钱包可以，错误却要客户替我承担。

让便宜模型先筛，再让强模型复核

这叫“分层审核”：第一层用成本较低的大模型检查明显的匹配和冲突，把普通记录直接处理掉；只有疑似重复、资料不全或规则互相打架的记录，才交给更强、更贵的大模型判断。

HighTouch 在介绍身份匹配审查时用了这个办法，并称能以约四分之一的成本获得接近 Opus 的准确度。24 岁独立开发者林然在广州做客户数据库清理，也在用类似方式：她下午两点把 800 条模糊记录送进第一层，最后只剩 63 条交给 Opus 人工式复核。“不是所有记录都值得动用最贵的判断”，她说。

它不是让 AI 变成绝对可靠的答案机器。敏感字段是否脱敏、记录删除后如何留痕、最终是否允许自动合并，仍然需要你确认。涉及付款、医疗或法律身份的资料，尤其不要只凭一次判断就覆盖原数据。

今天复刻：预算不低，但能从小处试

钱：若按文章中的定价思路测算，1000 条记录大约需要 8 美元；实际费用会随模型、记录长度和重试次数变化。时间：第一次搭好约 2 小时，之后每批约 10 分钟。技术门槛：需要会复制表格、整理两列资料，并知道怎样保留原始版本；不必会写程序。第一步：新建一个 30 条样本表，点 AI 工具里的“新建工作流”或“上传数据”，先选择“逐条提取公司名、邮箱与官网”，不要直接让它合并记录。

我也搞错过：最早直接开启自动修改，结果把两个同名客户合并了。后来我改成“只给建议，不改原表”，并增加“需要复核”标签，才敢继续用。现在不试也没事，先拿脱敏后的假数据跑一轮，比直接碰客户真名安全。

按你现在的阶段来，不必一步到位

如果你刚起步，客户少、资料简单，我建议先人工看关键字段，不必急着搭流程；每月复盘一次重复记录就够了。等你有 1-2 个稳定客户、名单开始出现同名公司时，我会先选 30 条模糊资料做两轮判断，对比便宜模型与强模型的结果，再决定是否扩大范围。若你正在扩规模、每天自动进入大量线索，我会保留自动筛选，同时给每条改动加审核人、时间和原始值，让异常能被追回来。

工具不是所有人都需要。记录少时，多花五分钟核对更划算；真正值得自动化的是高频、重复、又容易漏看的环节。