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

OCR 云 API 产品评估与评分(草稿)

六款 OCR 云 API 选型结论对比腾讯云 81.8、TextIn 71.4、阿里云 71.4,为国内优先短名单;百度 69.8、华为 68.2,为国内备选;Azure 66.4,为海外 invoice 专项备选。国内税票与海外 invoice 并重口径下的已确认文档加权分,满分 93,不是准确率。PoC 未开始。腾讯云TextIn阿里云百度华为Azure对比项推荐定位文档加权分突出能力文件与多页主要边界满分 93国内优先短名单国内优先短名单国内优先短名单国内备选国内备选海外专项备选81.871.471.469.868.266.4混贴 / 多票种覆盖更广多格式附件有条件数电归并字段 / 坐标置信度说明完整国内税票专项字段与明细完整国内税票专项OFD 双处理路径预置 invoice多语种 / 多页图片 / PDF / OFDPDF 最多 30 页图片 / PDFOFD / XML / 多页图片 / PDF / OFD混贴 PDF 前 4 页图片 / PDF / OFD按指定页调用PDF 按页调用OFD 仅识别首页图片 / PDF / TIFF支持多页分析字段级置信度待核实请求标识 / 字段置信度待核实单票与混贴需分别适配数组明细需映射部分票种只分类PDF / OFD坐标能力受限中国税票适配待核实

一、功能性需求横向评分

序号需求权重腾讯云TextIn阿里云百度华为Azure
1中国税务发票与数电票1555555待核实
2海外 invoice203待核实待核实待核实待核实5
3报销票据与混贴分类655555待核实
4发票关键字段8555555
5明细行与税额8555555
6图片与 PDF 输入4555555
7OFD 与 XML 输入4353330
8多页处理4555335
9Agent 工具调用4555555

**功能性需求权重合计 73 分。**第 9 项满分表示 API 文档具备封装条件,不表示机器人或 Agent 已接通。

二、非功能性需求横向评分

序号需求权重腾讯云TextIn阿里云百度华为Azure
10厂商托管、免自运维8555555
11附件直传与凭据隔离4555555
12溯源与人工复核依据4335533
13异常、限流与失败处理4555555
14数据安全、合规与商用条款3待核实待核实待核实待核实待核实待核实
15识别准确性2待 PoC待 PoC待 PoC待 PoC待 PoC待 PoC
16端到端时延与并发1待 PoC待 PoC待 PoC待 PoC待 PoC待 PoC
17实际费用与集成成本1待核算待核算待核算待核算待核算待核算

**非功能性需求权重合计 27 分;全部需求合计 100 分。**第 11 项确认直传接口条件,凭据隔离实现仍待验证;第 12、13 项不代表人工复核闭环、消息去重或失败恢复已实现。

当前汇总

单项加权分 = 评分 ÷ 5 × 权重。国内税票 15、海外 invoice 20,其余需求同比例压缩;评分本身未变。第 1–13 项权重共 93 分,仅汇总已确认的文档证据;其中“待核实”不贡献已确认分,但不判定不支持。第 14–17 项的 7 分尚未评估,不计算完整 100 分总评,也不把文档分折算为百分制最终分。

汇总项腾讯云TextIn阿里云百度华为Azure
已确认功能文档加权分 /7363.45351.449.849.848
已确认非功能文档加权分 /2018.418.4202018.418.4
已确认文档加权分 /9381.871.471.469.868.266.4
调整前口径 /90(国内 12 / invoice 5)848383817963
第 1–13 项待核实需求数011112
完整 100 分总评未完成未完成未完成未完成未完成未完成

文档分反映当前需求和公开证据,不含实测准确率、性能或费用。invoice 权重调高后,国内产品因需求 2 待核实而普遍降分,Azure 差距收窄;这不代表实测质量排序变化。所有产品的数据处理审查均未完成,高分不等于允许上传未脱敏真实票据。

产品说明、评分依据与限制

腾讯云:通用票据识别(高级版)

评估接口:RecognizeGeneralInvoice。依据官方 API 文档。

  • 需求 1–5:明确列出增值税专普票、全电专普票、铁路及航空数电票、交通票据和混贴识别。MixedInvoiceItems 返回各票种结构化结果,VatInvoiceItemInfos 示例有名称、数量、单价、金额、税率和税额。海外仅确认 OverseasInvoice 类型,语种 / 国家覆盖仍待补证,所以需求 2 为 3 分。
  • 需求 6–9、10–11:云 API 有签名鉴权、Base64 / URL、JSON、SDK;无需人工使用网页。图片 / PDF 可直接输入;EnableMultiplePage=true 最多返回 PDF 前 30 页,默认不开启;OFD 只支持文档列明的电子发票类型且仅第一页,XML 未确认,需求 7 为 3 分。
  • 需求 12–13:有 RequestId、页码、票据区域、EnableItemPolygon 字段坐标及错误码,默认 5 次/秒。字段级置信度未确认,因此复核依据只记 3 分。不能把多页处理推定为跨页明细自动归并。
  • 判断:单接口覆盖多票种,适合作为 Agent 国内票据入口的优先候选;海外类型须进一步核对具体语种与字段。

TextIn:国内通用票据识别

评估接口:bill_recognize_v2。依据快速启动和API / OpenAPI 字段定义。

  • 需求 1–5:明确国内财税 / 报销场景,列出 27 大类、40 小类票据,包含 vat_invoice、vat_digital_invoice、铁路及航空数电票。product_list 按行定义项目、数量、单价、金额、税率和税额。海外 invoice 专项未确认,需求 2 留待核实。
  • 需求 6–9、10–11:厂商托管;x-ti-app-id / x-ti-secret-code 鉴权,直接二进制或 URL,提供 JSON 与示例。支持图片、PDF、OFD、XML,PDF / OFD 多页,文件不超过 50 MB。需求 7 在当前候选中格式覆盖最完整,但 XML 接收不等于凭证标准映射或验签已验证。
  • 需求 8 的补充优势:merge_digital_elec_invoice=1 可合并多页全电票,但仅适用于每页都是全电票且票号相同;不能宣称任意多页多票都可自动归并。
  • 需求 12–13:可返回页码、票据 / 字段位置,coord_restore 可选原图或切图基准,有错误码及 QPS 超限说明。请求 / 任务唯一标识和字段置信度未确认,所以需求 12 为 3 分。工具侧可自建任务关联,但不算厂商原生能力。
  • 判断:国内多格式附件、多页数电票的优先候选;按票计费和套餐并发须注意。

阿里云:票据凭证识别

评估接口:RecognizeInvoice + RecognizeMixedInvoices。依据增值税发票 API、混贴 API及票据专项产品说明。

  • 需求 1–5:invoiceType 包含数电专普票;invoiceDetails 定义完整明细和税额。混贴支持分割分类,另有火车票、航空行程单专项。海外 invoice 专项未确认。
  • 需求 6–9、10–11:使用阿里云官方 API,不将云市场第三方同名服务混为一谈。支持 RAM 鉴权、二进制 body / URL、SDK 和 JSON;Data 是包含 JSON 的字符串,工具层需再次解析。图片 / PDF / OFD 不超过 10 MB,XML 未确认,需求 7 为 3 分。
  • 需求 8 的限制:单票接口按 PageNo 选页,默认第一页;混贴接口 MergePdfPages=true 可处理 PDF 前 4 页,设置 PageNo 时合并不生效。需求 8 的 5 分来自混贴接口,不能推广到单票接口,也不保证按原票跨页归并。
  • 需求 12–13:有请求标识、页关联、sliceRect 票据区域、prism_keyValueInfo 字段坐标和 valueProb 字段置信度,附错误码及大小限制,故文档复核依据记 5 分。
  • 判断:国内短名单;需要区分两个接口的参数、结果与页码 / 坐标映射,不能视作一个无限制的接口。

百度智能云:增值税与智能财务票据识别

评估接口:vat_invoice + multiple_invoice。依据增值税 API、财务混贴 API及OCR 错误码。

  • 需求 1–5:明确支持专普票、全电专普票、购销方与价税字段;CommodityName、数量、单价、税率、税额等数组按 row 关联。混贴接口有交通报销票据。海外 invoice 专项未确认。
  • 需求 6–9、10–11:托管 REST API,用 API Key / Secret 获取 access token,提交 Base64 并做 URL 编码,有 JSON / 多语言示例。图片 / PDF / OFD 可提交,XML 未确认;PDF / OFD 默认第一页或指定单页,需求 7、8 各为 3 分。
  • 需求 12–13:有 log_id、输入页码和票据区域;multiple_invoice 的 location / probability 参数明确请求字段坐标 / 置信度,因此复核依据记 5 分,不以票种分类置信度代替字段置信度。附鉴权、额度、QPS 等错误说明。
  • 限制:vat_invoice 编码后上限 8 MB,混贴接口限制更严;不能共用一个大小常量。部分混贴票种只分类不抽字段,例如文档中的购物小票 / POS 小票,不能宣称全部票种详细结构化。
  • 判断:国内备选,Agent 工具需处理 token、列数组转行对象及逐页调用。

华为云:增值税发票与智能分类识别

评估接口:RecognizeVatInvoice + RecognizeAutoClassification。依据增值税 API和智能分类 API。

  • 需求 1–5:明确增值税专普票、全电专普票及全电旅客运输票,item_list 有明细;分类接口有同图多票、火车票和飞机行程单。海外 invoice 专项未确认,增值税接口明确限中国境内税票。
  • 需求 6–9、10–11:公有云 REST API,按 region / project 选择端点并鉴权;支持 Base64 / URL、JSON、SDK。支持图片 / PDF / OFD,XML 未确认;PDF 默认第一页或指定页,多页 OFD 只识别第一页,需求 7、8 各为 3 分。
  • 需求 12–13:advanced_mode=true 提供更多字段及置信度,return_text_location=true 请求字段位置,分类结果有票据区域和逐票状态 / 错误码。但 PDF 坐标只代表相对位置,OFD 字段坐标为空列表,本轮所引接口页中的请求唯一标识未确认,因此复核依据记 3 分。
  • 限制:OFD 可直接解析或转图 OCR,转图路径可能增加时延;不可承诺所有格式都有精确原票定位。
  • 判断:国内备选,须明确 OFD 路径与按格式降级的复核方式。

Azure:AI Document Intelligence

评估模型:prebuilt-invoice,v4.0 / 2024-11-30。依据invoice 产品说明、预置模型语种页、官方 invoice schema及SDK / REST 快速启动。

  • 需求 1–5:Invoice 语种页包含简繁中文与英文,字段有票号、购销方 / 税号、金额和 Items 行级数量、单价、税率、税额;海外 invoice 为 5 分。但中国税票 / 数电专项、国内交通与混贴适配未确认,需求 1、3 待核实。
  • 需求 6–9、10–11:托管 REST / SDK、密钥、文件流、JSON、异步分析及结果获取,不要求用 Studio。可输入图片与多页 PDF;invoice 的格式枚举不含 OFD / XML,需求 7 为 0 分,不能把其他模型的格式能力套用。
  • 需求 12–13:有任务获取、页关联、字段坐标 / 置信度及异常处理;独立票据区域能力未确认,复核依据为 3 分。轮询应由工具层承载,不让 Agent 猜测完成状态。
  • 限制:官方通用付费输入上限 500 MB / 2,000 页,免费层只处理前两页,目标资源配额仍须核实。语种页含中文,但样例 schema 的语言表较窄,按专门语种页作为证据,并保留具体模型版本 / 区域核实项。不能由中文语种直接推出国内税务要素适配。
  • 判断:海外 invoice 专项备选,不按本轮国内业务权重判断其海外实测质量。

原清单其他产品的处理

产品 / 类别本轮处理与依据
Amazon Textract AnalyzeExpense海外英文 invoice 参考,不纳入国内入围横评。官方发票 API有结构化字段和明细,但语种限制将发票接口限制为英文,不能沿用通用 OCR 的中文能力。
Google Document AI Invoice Parser海外多语 invoice 参考,不纳入国内入围横评。处理器列表的 Invoice Parser 语种不含中文;Enterprise OCR / Form Parser 的中文支持不能套用。
ABBYY Vantage待补证、不评分;不与 FineReader Engine 混作一项。Invoice 技能列出约 30 国、22 种语言,未列中文;许可页另列 Invoice CN,但不能据私有云许可推定对应技能在托管云可直接调用。需确认云租户、版本、API、数电与报价。
火山引擎 OCR待补证、不评分。财务票据资料正文抓取受动态页面限制,本轮未取得数电字段、明细及格式边界的充分证据;不是判定产品不支持。
讯飞开放平台 OCR待补证、不评分。增值税产品页可定位专项产品,但数电明细、版本、实际数据处理方及格式边界尚未充分核对。
PaddleOCR、RapidOCR、Tesseract、EasyOCR、docTR、MinerU、Surya、Marker、Docling、Unstructured 及原开源视觉 OCR 模型原清单的自托管路径移出本轮候选,不评分;不符合免维护 OCR 推理环境的方向。既有本地脚本保留,不删除、不继续测试。另有托管产品的须按独立服务重新核对。
OpenAI / Gemini / Qwen-VL、Mistral OCR、LlamaParse、Reducto、阿里云文档智能、Google Cloud Vision 等通用视觉 / 文档解析路径不作为本轮主选,不评分。本轮要求预置财税 / invoice 字段和明细,不只全文、Markdown 或额外自配抽取逻辑;不据此断言它们完全不能识别发票。

费用资料与未完成事项

费用是需求 17 的调查材料,尚不足以横向核算真实成本:

  • 腾讯云:计费概述。区分高级版资源包、按量、多页 / 多票的具体折算方式,不能将一次 HTTP 请求自动当一张票。
  • TextIn:购买页。按文件中实际票据张数计费,无票据但调用成功也计一次;复核套餐、超额及并发条件。
  • 阿里云:按量计费、计费 FAQ。区分单票与混贴接口,按调用次数计费不能与按票服务直接比较,多页参数的计费需确认。
  • 百度:价格入口。分别核对单票、混贴、资源包和免费额度,不能套通用 OCR 单价。
  • 华为:计费项。按调用、套餐或按需,分别确认增值税与分类服务。
  • Azure:定价。按预置模型、页数、区域与层级核算。

需求 14–17 均未完成:没有逐厂商取得实际处理 / 备份地域、保留删除、训练用途、子处理方和完整商用合同证据;没有样本准确率、端到端性能或真实成本结果。厂商宣传准确率不用于打分。

**下一步是另行启动 PoC,本任务不执行。**建议先验证腾讯云、TextIn、阿里云,百度 / 华为保留替补,有海外样本时加入 Azure;名单尚未冻结。后续验证 Lark 原图 / 文件下载、Agent 工具调用、字段 / 明细效果、多票 / 跨页归属、错误与复核、耗时 / 费用,见待启动测试计划。