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 PoC 测试计划(待启动)

**状态:待启动,不属于当前任务。**当前任务仅完成官方文档评估与评分。本页是后续工作交接,不表示已申请账号、获得上传授权、实现工具或调用识别接口。

本计划替代此前包含 PaddleOCR、RapidOCR 的本地比较安排。后续只验证厂商托管云 API;既有 Gradio / PaddleOCR 工具不作为本轮 Agent 调用或跨候选验证入口。

一、启动前需要另行确认

  • 候选:建议先验证腾讯云 RecognizeGeneralInvoice、TextIn bill_recognize_v2、阿里云 RecognizeInvoice / RecognizeMixedInvoices。百度与华为保留备选;海外 invoice 有实际样本时再加入 Azure。最终名单尚未冻结,不再沿用旧的五候选承诺。
  • 数据与权限:确认 Lark 测试会话、应用消息和附件访问权限;逐类确认票据上传授权、脱敏要求,以及 OCR 处理地域、保留删除、训练用途和服务商条款。没有授权不上传真实票据。
  • 业务字段:明确票种、输入格式、关键字段、明细需求及不可辨字段的处理方式;冻结各层样本数量与判断口径。不将未取得样本的票种写成“已验证”。
  • 成本与运行边界:确认账号、密钥保管、调用额度、费用上限、重试上限、文件 / 页数限制。密钥通过安全渠道配置,不写进仓库或聊天。

二、未来验证的链路

  1. 用户在 Lark 测试会话发送发票图片或文件,机器人按对应消息资源下载原始附件;图片和文件消息分别验证,不使用不匹配的资源 key,也不把资源 key 当公网 URL。
  2. Agent 简单判断是否需要票据识别;对无法确定具体票种的附件使用候选支持的分类接口。不要求用通用视觉模型先抄一遍票面。
  3. 服务端工具用原始二进制 / Base64 调用 OCR,处理鉴权、错误、限流和必要的异步结果获取,保留原始响应并映射统一字段。
  4. Agent 在原会话返回摘要、必要明细及不确定提示;超时、低置信度、缺字段或疑似串票时提示重传 / 人工确认,不猜测补全、不自动查验或入账。

“API 可被包装”与“现有 Agent 真能完成工具调用”分别记录。HTTP / SDK 接口已存在不能当作整条链路通过。

三、未来样本与公平比较

  • 优先采用经授权、已脱敏的真实增值税专普票、数电票,以及实际需要的交通报销票据;海外 invoice 单独分层,不与中国税票混报一个准确率。
  • 输入覆盖图片、扫描件、手机拍照、PDF;OFD / XML 按实际业务交付补充。逐项记录直接解析、转图或 OCR 路径。
  • 加入倾斜、模糊、阴影、印章遮挡、长明细、跨页与一图多票,以及少量非票据错误输入。只对实际测试过的票种、格式和配置给效果结论。
  • 每种常用票据可先以约 10–20 张做接入试跑,再按真实版式与困难样本补齐正式比较集;试跑数量不足以支撑正式选型结论。
  • 对所有候选使用同一套样本、字段和核对标准。试跑集与正式集隔离,同一业务票的重拍及格式变体不得跨集泄漏;按独立业务票汇总,输入变体另记。
  • 在试跑后冻结版本、参数与字段映射;变更后对受影响候选的全部正式样本重跑。厂商原生字段缺失不能靠人工抽取后冒充自动结果。

四、未来核对与记录口径

对照原票人工核对:票种、发票号码、日期、购销双方名称和税号、金额、税额、价税合计,以及实际适用的明细项目、数量、单价、税率和税额。号码前导零、金额小数和红字负号须保留;不适用与不可辨字段分别记录,不编造。

每张票保留样本编号、消息 / 附件关联编号、输入变体与页码、候选接口与版本、参数、原始响应、映射后结果、人工修正、调用次数、耗时、费用及具体问题。敏感票面、隐藏文本、附件和元数据须检查脱敏,原票、完整返回及凭据只保存在受控位置,不进入普通日志或代码仓库。

人工结论保留五类:

  • 关键内容全对:约定字段正确且归属无误。
  • 存在错误或遗漏:至少一个可判断字段出错,含漏行、串票、少票或明细错位。
  • 识别失败:拒识、超时、报错或没有可用结果;接口明确不支持的输入记失败并注明“不支持”。
  • 原票无法判断:原件不可辨导致无法确定,说明字段。
  • 未测:没有执行,注明原因,不当作失败或成功。

按候选、票种、格式分别汇总五类张数,合计须与样本总数一致。有争议的样本安排独立复核。需要展示识别率时,采用“关键内容全对 ÷(关键内容全对+存在错漏+识别失败)”,同时列明分子、分母、无法判断及未测数量;分母为零时不计算。人工修正值不计入自动识别成功。

另记端到端耗时(含 Lark 下载、网络、OCR 等待和字段处理)、每票 / 页 / 次实际费用及集成工作。测试消息重复投递、部分失败和重试,避免丢票、重复收费或重复业务动作。置信度只作为复核提示,不等同于准确率。

五、后续产物与明确排除

PoC 启动后应产出同样本结果对比、典型错误、Agent 工具调用记录、已知限制、实际耗时 / 费用及推荐调整。文档匹配分与实测结果分开展示,实测结论仅适用于已覆盖样本和配置。

税务联网查验、验签、入账、审批、会计档案保管、训练微调、生产系统联调、长期 SLA、灾备与企业级上线验收不在此简版 PoC 范围。当前没有 PoC 结果,也没有生产可用性承诺。