腾讯云OCR × WorkBuddy:发票批量报销自动化 Skills实践
财务部小红姐姐一脸愁容,边工作边给我抱怨道,真是服了,报销不早点弄,乱七八遭的发票,一搞这么多,哎~。 我偷偷看了一下她的桌面上:有几十封邮件,估计有上百张发票照片。 小红姐姐一边对着屏幕敲着数字,一边抱怨着但还是认真的干着。 突然,小红姐姐跑到我面前问道:“小草小草 ,上个月你给我弄的那个什么统计的skill,挺好用的,你能不能给我弄个扫描的呢”。 ## 1、拆解报销审核的三大痛点 ### 痛点1: 发票量大且乱七八糟 一般月度报销 100~200 张发票那是非常常见的,如果都让人工去打开图片、抄录金额、核对抬头,这样就算一张只花 2~5 分钟,那在月底的时候光录入可能就要半天,运气再不好一点,大家集中批量提交,那真是得加班加到天亮。 ### 痛点2: 各种版式且票种多样 增值税发票有专票、普票、电子票、通行费电子发票等多种的票种,每种票面的版式还可能不太一样,所以提交过来的资料就是五花八门的,比如**文字型 PDF、扫描图片型 PDF、手机翻拍照等 **。 ### 痛点3: 字段口径非常不一 当所有的数据都拿到手之后,真正的坑才刚开始:同一批报销里,有的金额带小数两位、有的又是整数;"价税合计"有的是写的小写、有的又是写的大写;还有就是个别的发票可能票面污损了,数字模糊可能看不清了都。 ## 2 基于 WorkBuddy 的演示 基于上述这3个痛点,我基于 WorkBuddy 使用 agentic-doc-parse-and-extract 技能,做了一批差旅报销发票的处理,这发票包括了 PDF 电子票、扫描件、翻拍照三种形态。 ### 2.1 发票报销技能包:`agentic-doc-parse-and-extract` 先说一下这个agentic-doc-parse-and-extract 技能,ADP 国内票据抽取**自动分类 + 全量抽取**一次完成,覆盖 **32 种常见票据类型**,其中 **11 种支持税局验真**(抽取的同时自动向**国家税务总局全国增值税发票查验平台**发起验真请求,结果以 `fpVerification` / `fpVerificationMsg` / `fpIsVoided` 三个字段直接返回在同一个 JSON 中,**无需二次调用,无需自行对接税局接口**)。 #### 那么如何如何使用? 首先我们需要确认技能已启用,在 WorkBuddy 等平台导入 `agentic-doc-parse-and-extract` 技能,可以直接使用提示词进行安装。 **配置腾讯云密钥** 在环境变量中设置: ```javascript export TENCENTCLOUD_SECRET_ID="你的SecretId" export TENCENTCLOUD_SECRET_KEY="你的SecretKey" ``` 密钥申请:[腾讯云 API 密钥管理](https://console.cloud.tencent.com/cam/capi) OCR 服务购买:[腾讯云文字识别 OCR](https://buy.cloud.tencent.com/iai_ocr) 前置条件都有了后,我们只需要在WorkBuddy中,上传发票文件,并发送提示词:帮我把本地文件夹***内的票据识别并报销汇总。 我们加载的技能就会自动触发完整的流水线来进行操作了,下面可以看一下。 #### Step 1: 识别发票 当我们发送命令后后,WorkBuddy 自动进入处理流水线,首先这会对图片做方向归一化与清晰度的检测,然后再对多张发票**调用**腾讯云发票 OCR: 我们可以看到一些步骤: **1、**自动识别票种(专票/普票/电子票),对倾斜、翻转图片做方向归一化,PDF 自动抽取首页转图; **2、**发票进行 OCR识别,可以将全部字段(发票号码、金额、税额、价税合计、购销方等)结构化提取出来。 #### 3、全流程自动执行 整个 `agentic-doc-parse-and-extract`技能流水线包含以下的一些步骤,自动串联执行: |步骤|动作|结果摘要| | --- | --- | --- | |Step 0|发票预处理|全部通过清晰度检测,1 张翻拍照自动纠偏| |Step 1|OCR 并行识别|全部识别成功,提取发票全字段| |Step 2|字段标准化|金额/税额统一为两位小数,价税合计统一小写口径| |Step 3|汇总输出|自动生成报销汇总 Excel 与校验报告| #### 4、 输出报销单与汇总报告 技能最终输出标准化的报销汇总,包含报告元信息、逐票明细、汇总结果等。 以下为一个明细的输出json: ```javascript [ { "field_key": "vat_electronic_invoice_new", "field_name": "电子发票(普通发票)", "object_values": [ { "document_type": "vat_electronic_invoice_new", "pages": [0], "extraction_result": [ { "field_key": "vat_invoice_haoma_right_side", "field_name": "发票号码", "field_values": [{ "field_value": "254320000000********", "field_confidence": 0.99, "references": [] }] }, { "field_key": "vat_invoice_issue_date_print", "field_name": "开票日期", "field_values": [{ "field_value": "2025-04-16", "field_confidence": 0.99, "references": [] }] }, // ... 约 30 个普通字段(详见 examples/vat-electronic-invoice-new.json) { "field_key": "goods", "field_name": "项目详情", "table_values": [[ /* 8 个明细子字段 */ ]] }, { "field_key": "fpVerification", "field_name": "查验结果", "field_values": [{ "field_value": "查验成功发票一致", "confidence": 1.0 }] }, { "field_key": "fpVerificationMsg", "field_name": "查验报错信息", "field_values": [{ "field_value": "", "confidence": 1.0 }] }, { "field_key": "fpIsVoided", "field_name": "作废标志", "field_values": [{ "field_value": "N", "confidence": 1.0 }] } ], "metadata": { "confidence": 1.0 } } ] } ] ``` ## 3、OCR × Skill 封装 ### 3.1 腾讯云增值税发票识别 这个技能的核心是 OCR 能力,主要是采用了腾讯云 **VatInvoiceOCR**(增值税发票识别)接口: - **全票种支持**:增值税专用发票、普通发票、电子发票、通行费电子发票等,全字段返回(发票代码/号码、开票日期、金额、税额、价税合计、购销方信息、税率等); - **高精度**:票面字段识别准确率 >97%,远超手工录入; - **多形态兼容**:支持文字型 PDF、扫描图片型 PDF、手机翻拍照; - **结构化输出**:返回 JSON 字段级数据。 ### 3.2 Skill 封装的增值能力 在原有的 OCR API 基础上,`agentic-doc-parse-and-extract`技能还额外增加了以下的一些能力: |能力|说明| | --- | --- | |票种自动识别|根据票面特征自动判定专票/普票/电子票,选择对应解析路径| |图片预处理|方向归一化、纠偏、清晰度检测,翻拍照也能稳定识别| |字段标准化|将金额、税额统一为两位小数,价税合计统一小写口径| |勾稽规则引擎|内置五类校验规则:价税勾稽、税率、抬头、时间、重复票| |异常分级输出|区分" 通过"与" 需人工复核",报告简洁高效| |批量并行识别|多线程并发调用 OCR,10 张发票秒级完成| |汇总自动生成|**全球发票/收据抽取**自动识别并抽取发票号码、日期、金额、税费、明细等 10+ 关键字段,支持多语言和多币种发票抽取跨国结算账款自动化、费用报销管理**国内票据抽取**识别增值税发票、出租车票、火车票、飞机行程单、财政发票等30+常见票据,支持多页/多票识别及验真国内票据识别、国内发票验真**订单抽取**支持多种采购订单格式,抽取订单号、商品、数量、价格、物流信息等采购自动化、供应链集成**更多卡证抽取**ADP支持身份证、港澳台通行证、中国护照、银行卡、户口本、驾驶证、行驶证、车辆合格证、开户许可证、营业执照等 11 种中国常用证件开户审核、合规检查、证件信息批量录入**文档解析**将 PDF、图片、Office 文档转化为结构化数据,保留排版和层级关系长文档分析、合同审查、知识提取**自定义抽取**自主创建抽取应用,配置专属字段和识别逻辑,满足非标单据需求企业专属表单、行业定制单据| 当前skill也提供CLI 工具,一条命令即可完成各类票据图片/扫描件/PDF 的结构化字段抽取,输出标准 JSON。 总的来说,通过workbuddy结合skill,就可以完美的解决发票报销等自动化提取,在简单封装一下就可以生成 一个完美的工具了。