名片数字化的做法是：拍照或扫描名片，让软件抽取印好的栏位，检查更正之后再存档。抽取是简单的那一步。大多数做法失败在之后——六个月后你最需要的那几个栏位，名片上从来就没印过，而软件推断出来的那些，往往会被悄悄丢掉。
一句话版本
- 把一张干净的名片数字化，大约是七次点击、15 到 20 秒。抽取不是瓶颈，而且已经很多年都不是了。
- 扫一张名片会拿回五个栏位：名字、职称、公司、电话、邮箱。那就是一张名片物理上装得下的全部。
- 你六个月后真正需要的栏位——怎么认识的、他开口要什么、聊得顺不顺——不在名片上，也没办法从名片上抽出来。
- 抽取之后的每一个环节，才是数字化真正会失败的地方：需要人工更正的栏位、被静静丢掉的值，以及根本没进到存储的信息。
- 这两种失败，我都在自己的系统里测出来了。下面有具体的细节。
一张名片要怎么数字化？
这是我做的那套系统里，老实数出来的实际路径。
打开选单，点 Quick Add，点 CARD 分页（预设就开在那里），点「扫描名片照片」，相机打开，按快门，确认照片。模型大约两到三秒读完，中间我一下都不用点。抽取出来的栏位出现，等你检查。点存档。
干净的名片是五次点击，加上存档那一次，再加上更正栏位要花的几次。干净名片的实际总数：大约七次点击，从头到尾 15 到 20 秒。
排版凌乱的名片，再加 15 到 30 秒的更正。
任何像样的扫描 app 都在这个区间。如果有人拿「记录速度」在卖你东西，他卖的是一个已经解决了的问题。
名片扫描器到底抽得到什么？
五个栏位。名字、职称、公司、电话、邮箱。
这不是模型的限制——是名片的限制。名片是一张印着联络资料的长方形纸。它上面没有你们怎么认识、聊了什么、这个人在找什么，也没有你想不想跟他合作。
所以我做了第二条输入路径。不用名片，你用一两句话描述这个人，解析会回来十二个栏位而不是五个：名字、职称、公司、电话、邮箱、行业、特质、怎么认识的、感觉评分、摘要、他在找什么、他能提供什么。
- 拿回几个栏位
- 扫名片：5
- 用一句话描述：12
- 数据从哪里来
- 扫名片：印好的名片
- 用一句话描述：你对那次见面说了什么
- 记录要多久
- 扫名片：15–20 秒（干净的名片）
- 用一句话描述：30–45 秒把那段话想好写完
- 解析要多久
- 扫名片：约 2–3 秒
- 用一句话描述：约 2–3 秒
- 记得住怎么认识的吗
- 扫名片：不能
- 用一句话描述：可以
- 记得住他要你做什么吗
- 扫名片：不能
- 用一句话描述：可以，只要它活得过存档那一步
- 最适合
- 扫名片：名片就在你手上，此时此刻
- 用一句话描述：没拿到名片就认识的人，或者一段值得留下来的对话
名片那条路比较快。句子那条路，是唯一能记下你之后真正会缺的那一块的。这个取舍就是这整篇文章的论点，也是为什么「把名片数字化」这句建议，比听起来要糟。完整的六种方法比较在名片怎么整理。
每一次我都得手动修的是什么？
四件事，按出现频率排。
行业——基本上每次。名片那条路的结构里根本没有行业这个栏位，因为名片从来不会写。句子那条路模型确实会推断，而且推得很好；有一次测试它从上下文正确推出了「物流」。但我的 app 只有在值完全符合一份十一项的固定清单时才会保留，而提示词从来没告诉模型那份清单里有什么。于是一个正确的答案被静静丢掉，栏位显示成一个横杠。那是我的 bug，不是模型的。
惯用称呼——从来没填上过。没有办法抽取。名片不会写一个人喜欢别人怎么叫他。介面自己的文案有讲明这件事，这至少算诚实。
名字和职称的清理——大约每三四张一次。真实的名片上会有引号里的小名，还有叠在一起的职称。印成 Jonathan "Jonty" Reyes-Whitfield 的名字会原封不动变成一整串，连引号一起。写着 Co-Founder & Creative Director / Interim Ops Lead 的职称会完整传过来，需要手动拆开。
电话号码的标点——美式格式的号码几乎必中。服务器会去掉连字号和空格，但不会去掉括号，所以印成 +1 (415) 555-0192 的号码会存成 +1(415)5550192。小事，但还是得动一下手。
这些都不是抽取失败。每一次模型都正确地读出了名片。它们是数据在那之后发生了什么的失败——而那正是数字化真正坏掉的地方。
那些名片本来就装不下的东西，最后怎么了？
这一段改变了我对整个类别的看法，而它是我自己系统里的一个缺陷。
我描述了一位联络人，他跟我讲过两件很具体的事：他在找仓储作业的软件供应商，还有他想认识货运科技那边的人。解析处理得完全正确——那两件事以结构化的「需求」回来，分得清清楚楚，跟设计的一模一样。数据库里有专门放需求和供给的表。也有一个接受它们的端点。
然后，存档程序在组装 payload 之前，从来没有去读解析结果里的那两项。它们没有被存下来，也没有被并进摘要文字里，就这样消失了。任何「她需要 X，之后跟进 Y」形式的东西，一按下存档就再也救不回来。
所以我的系统把那一整个星期里，别人跟我说过的最能拿来行动的一句话抽了出来，然后扔掉，而且什么都没告诉我。
我把这件事写出来，是因为它可以推而广之。联络人数字化里真正有意思的失败，几乎从来不在「读」这一步。从名片上读出文字是个已经解决的问题，而且解决好一阵子了。失败发生在抽取和存储之间的那段管线——把有效值丢掉的枚举不匹配、结构里没有位置的栏位，以及组装时漏掉解析器找到的某一块的 payload。这些失败在设计上就是无声的。没有报错。记录存好了。你要到几个月后，去找一件你确信自己记录过的东西时，才会发现。
如果你在评估这类工具，这就是该测的地方。输入一件具体而且有用的事。存档。隔天再回来看它还在不在。
「系统抽出了什么」和「系统留下了什么」之间的落差，就是我把 Habitus Mind 做成现在这样的原因：每个人只有一笔记录，之后每一次见面都并进同一份有日期的纪录，而不是另开一笔；跟进日期由你自己在还记得原因的时候设定。它不去解读任何人，只把在的东西抽出来归档——而在它没做到的地方，像上面那样，我宁可把它写下来。
Habitus Mind 采用邀请制，由管理员审核，没有公开注册。索取邀请。
扫描和描述，哪个比较快？
扫描，而且快不少——前提是名片就在你手上。
一张干净的名片，从头到尾 15 到 20 秒，包含两到三秒的解析和扫一眼确认栏位。而要写出真正有内容的三四句话，需要 30 到 45 秒，因为「写」本身就是工作；之后的解析两条路都一样是两到三秒。
所以名片在你手上，就扫。句子那条路不是在比速度，从来也不是。它存在的理由，是那个你没拿到名片就认识的人，还有那段值得留下来的对话——那一块从来就没印在任何东西上。
常见问题
名片怎么数字化？
拍下名片，让软件抽取印好的栏位，检查，然后存档。在我自己的系统上，干净的名片大约七次点击、15 到 20 秒。抽取本身两到三秒，而且很少是问题所在。
一张名片上能抽出哪些信息？
五个栏位：名字、职称、公司、电话、邮箱。那就是名片物理上装得下的东西。行业、怎么认识的、这个人需要什么、那次对话顺不顺，都没办法从名片上抽出来，因为它们从来就没印在上面。
名片可以扫进 Excel 吗？
可以——大部分扫描工具都能汇出 CSV，用 Excel 打得开。限制不在汇出。一张每人五个印刷栏位的表格，是一本整齐一点的通讯录，它还是不会告诉你这些人当初为什么重要。
为什么名片扫描器会把名字弄错？
通常它没弄错。它准确地抄了名片，包括引号里的小名和叠在一起的多重职称，因为名片上印的就是那样。大约每三四张会需要事后手动把名字或职称拆开、修掉。
名片数字化最大的问题是什么？
抽取之后的无声数据流失。值会因为结构不匹配而被丢掉，或者在解析和存档之间掉了，而且不会显示任何错误。这两种我都在自己的系统里找到了。测任何工具的方法：存一件具体的事，隔天回来看它还在不在。