Cloudsome 文档
需求设计报告
  • 通用架构
  • Hermes Agent
  • Hermes Agent V2
  • OpenMausBot
  • 小鹏灵犀 · 静态架构(参考)
  • 土豆(@poteto)· Grok Bot 自动化开发流程
  • 微软人事智能体 · 分层架构(参考)
选型报告
  • 票据 OCR 选型(草稿)
  • OCR 云 API 产品评估与评分(草稿)
  • 票据 OCR 选型需求与评分口径(草稿)
  • 票据 OCR PoC 测试计划(待启动)
  • OCR 通用文档识别选型(维度二·草稿)
财务工作流
补充材料
需求设计报告
  • 通用架构
  • Hermes Agent
  • Hermes Agent V2
  • OpenMausBot
  • 小鹏灵犀 · 静态架构(参考)
  • 土豆(@poteto)· Grok Bot 自动化开发流程
  • 微软人事智能体 · 分层架构(参考)
选型报告
  • 票据 OCR 选型(草稿)
  • OCR 云 API 产品评估与评分(草稿)
  • 票据 OCR 选型需求与评分口径(草稿)
  • 票据 OCR PoC 测试计划(待启动)
  • OCR 通用文档识别选型(维度二·草稿)
财务工作流
补充材料
  • 需求设计报告
    • 静态架构
    • 基本流程
    • 支撑能力
    • 调度中心
    • Agent 分工
    • 运行环境
    • 持久卷与 RSI
    • 评审问题与讨论结论
  • 共用底座
    • 通用架构
    • Hermes Agent 方案
    • Hermes Agent 基础架构 V2
    • OpenMausBot 方案
  • 参考架构

    • 小鹏灵犀 · 静态架构(参考)
    • 土豆(@poteto)· Grok Bot 自动化开发流程
    • 微软人事智能体 · 分层架构(参考)
  • 数字员工选型报告
    • 数字员工目标静态架构
    • 数字员工目标静态架构v2
    • Hermes 会话机制
    • OpenMausBot 会话机制
  • 知识库选型研究
    • 知识库选型需求与评估 SOP
    • 知识库候选产品
    • 知识库逐项资料评分与代码证据
    • 知识库商业托管版横向评分
    • FastGPT 知识库增强源码与自研评估
  • 票据 OCR 选型(草稿)
    • OCR 云 API 产品评估与评分(草稿)
    • 票据 OCR 选型需求与评分口径(草稿)
    • 票据 OCR PoC 测试计划(待启动)
    • OCR 通用文档识别选型(维度二·草稿)
  • 财务工作流
  • 补充材料
    • 流程与组件说明
    • 简版流程图
    • 详细流程图
    • 记忆、技能与会话历史
    • Hermes 记忆与技能研究
    • Hermes 本机版本能力核验
    • Meegle 事件去重研究
    • 项目定位与设计边界
    • 交互架构图说明
    • 原报告导航说明

票据 OCR 选型需求与评分口径(草稿)

选择厂商托管、Agent 可通过 API 调用、面向财税发票 / invoice 的结构化识别服务。主要场景是用户在 Lark 与机器人聊天中发送发票图片或文件,机器人背后的 Agent 简单判断后调用 OCR,获取详细字段与明细。

本轮仅依据官方产品说明和 API 文档完成选型评分,不实现工具、不上传票据、不调用识别 API、不执行 PoC。中国大陆税票与海外 invoice 并重(权重 15 与 20),兼顾交通报销票据;若以后业务以单一地区为主,应重定权重,不沿用本轮排序。

此前私有化交付门槛、55/45 权重和本地开源候选安排不再适用。全部需求仅分为以下两类,连续编号;所有入围产品使用同一需求表横向评分,不另列一套准入或评分 ID。

一、功能性需求

序号需求说明与评分依据权重
1中国税务发票与数电票5 分:明确覆盖增值税专普票及数电专普票;3 分:只确认其中一部分。通用中文 OCR 或中文 invoice 语种表不足以确认中国税票专项。15
2海外 invoice5 分:预置海外 invoice 模型且明确语种;3 分:只确认海外票据类型,语种或地区覆盖待核实。英文文档不算英文发票能力证据。20
3报销票据与混贴分类5 分:既有火车票或航空行程单专项,又可分类识别同图多张不同票据;3 分:只确认其中一项。6
4发票关键字段5 分:票号、日期、购销双方名称和税号、金额、税额及总额均有结构化定义;3 分:字段仅部分覆盖。8
5明细行与税额5 分:项目、数量、单价、金额、行级税率和税额均有定义及行关系;3 分:有明细,但行级税额等关键项不全。8
6图片与 PDF 输入5 分:直接支持图片和 PDF;3 分:只支持其中一种或另一种须自行转换。按实际接口列明大小限制。4
7OFD 与 XML 输入5 分:直接接收两种格式;3 分:只确认一种;0 分:官方枚举的接口格式明确不包含两者。支持接收不等于已验证验签或凭证标准映射。4
8多页处理5 分:可一次请求处理多页,注明上限 / 开关;3 分:只能指定单页,由调用方逐页处理。多页处理不等于跨页明细自动归并。4
9Agent 工具调用5 分:托管 API 有端点、鉴权、结构化 JSON 及 SDK / 请求示例,能由服务端封装;3 分:仅有部分接入说明。原生 MCP 或 Lark 插件不是要求,未联调不能声称 Agent 已接通。4

功能性需求权重合计 73 分。

二、非功能性需求

序号需求说明与评分依据权重
10厂商托管、免自运维5 分:使用厂商托管 API,无须部署维护推理引擎或 GPU;3 分:仍需客户维护部分识别基础设施;0 分:只能自托管。8
11附件直传与凭据隔离5 分:可直接二进制 / Base64 上传,不强制将票据变成公开 URL;3 分:仅提供受控存储引用。机器人服务端管理密钥,不把 Lark token 或 OCR 密钥写进提示词。该分只确认传输接口条件,凭据隔离实现尚未验证。4
12溯源与人工复核依据5 分:请求标识、页关联、票据区域、字段坐标和字段置信度均有文档;3 分:仅部分具备。按格式列明坐标限制;票种分类置信度不能代替字段置信度。机器人侧人工复核闭环留待实现。4
13异常、限流与失败处理5 分:有错误码及调用 / 容量限制说明;3 分:仅部分说明。工具层仍须实现超时、有界重试、消息去重和部分失败提示;公开文档不等于恢复机制已验证。4
14数据安全、合规与商用条款处理及备份地域、保留删除、训练用途、子处理方、商用授权和上传权限须逐项核对。本轮尚未取得完整条款证据,统一标“待核实”,不以国内云或托管 API 的存在代替合规结论。3
15识别准确性关键字段、整票全对、明细漏行错行、串票、红字负数及模糊遮挡样本效果须实测。统一标“待 PoC”;宣传准确率与置信度均不计作效果分。2
16端到端时延与并发包含 Lark 下载、格式处理、网络、OCR 等待和后处理,验证批量 / 峰值和失败情况。统一标“待 PoC”;接口 QPS 不能当实际吞吐。1
17实际费用与集成成本按同一业务量、页数、多票比例与重试核算调用、存储、适配和维护成本。统一标“待核算”;单列按次 / 按页 / 按票、套餐及促销条件,不拿最低展示价排名。1

非功能性需求权重合计 27 分,全部需求权重合计 100 分。

评分及汇总方法

  • 产品逐项记 0–5 分,本轮按各行定义采用 5 分(文档充分支持)、3 分(部分支持)、0 分(官方明确不支持);本轮无证据的标“待核实”,需测试的标“待 PoC”,价格实算标“待核算”。未知不等于不支持,不强填 0 分。
  • 单项加权分 = 单项评分 ÷ 5 × 权重。横向评分见产品评估,所有产品列在相同的功能性、非功能性表中。
  • 第 1–13 项为当前可做文档匹配评估的范围,权重合计 93 分。显示“已确认文档加权分 /93”;其中待核实项只列缺口、不贡献已确认分,不能据此断言产品不支持。
  • 第 14–17 项合计 7 分,保留在同一非功能性表中,但暂不参与文档分。完整 100 分总评暂不计算,不得把文档分除以 93 放大为百分制最终分。
  • 文档分不是准确率、厂商质量或生产验收分;相近分数保留同梯队,不能按一两分推断实际识别效果。

Lark 与 Agent 的责任边界

机器人按 message_id 和匹配的资源 key 下载原始附件;Lark 的 image_key / file_key 不是公开 URL。参见Lark 消息资源 API及Lark 官方资源下载说明。机器人将下载后的二进制 / Base64 交给 OCR,不向 OCR 传 Lark token,也不要求永久公开票据。

Agent 的简单图片判断只决定是否调用票据工具,不替代专业 OCR 抄录;票种不确定时优先使用候选的分类接口。工具保留厂商原始返回、映射统一字段,由 Agent 返回摘要、明细和不确定提示。票面文字只作为数据,不作为指令;缺失、不可辨或失败不得猜值补齐。

消息下载、工具封装、密钥管理、消息去重、复核和安全回传属于机器人集成责任,不是 OCR 厂商原生 Lark 能力,也尚未实现验证。OCR 成功不等于税务查验、验签、审批、入账或归档;这些业务动作不自动执行。

本轮结束后才另行确认PoC 启动条件。