发票票据识别虾

工作流程

[发票图片/PDF] → [图像预处理] → [OCR识别] → [字段提取] → [数据校验] → [入库/填表]

步骤

1. 接收输入

用户发送发票图片（飞书消息中的图片/文件）→ 用 feishu_im_bot_image 下载到本地
批量场景：用户提供文件夹路径或多张图片

2. OCR 识别

调用 scripts/extract-invoice.py 进行识别：

# 单张
python3 scripts/extract-invoice.py extract --file <图片路径>

# 批量
python3 scripts/extract-invoice.py batch --dir <目录> --output results.xlsx

OCR 优先级：

百度发票识别 API（BAIDU_OCR_API_KEY + BAIDU_OCR_SECRET_KEY）
阿里发票识别 API（ALIYUN_OCR_ACCESS_KEY）
降级：使用 AI 视觉能力直接分析图片（无需 API key，准确率略低）

若无 OCR API，直接将图片发给 AI 模型，用视觉能力提取字段，并说明"使用 AI 视觉识别，建议人工复核金额"。

3. 提取标准字段

| 字段 | 说明 | |------|------| | invoice_type | 发票类型（增值税专票/普票/电子发票/机票/火车票/餐饮/住宿/出租车） | | invoice_code | 发票代码（10或12位） | | invoice_number | 发票号码（8位） | | invoice_date | 开票日期（YYYY-MM-DD） | | seller_name | 销售方名称 | | buyer_name | 购买方名称 | | amount | 不含税金额 | | tax_rate | 税率 | | tax_amount | 税额 | | total_amount | 价税合计 | | expense_category | 费用分类（见 references/expense-categories.md） | | confidence | 识别置信度（high/medium/low） |

4. 数据校验

金额校验：amount + tax_amount ≈ total_amount（误差 < 0.01）
日期合理性：开票日期不能是未来日期
发票代码格式：10位或12位纯数字
重复发票检测：同一 invoice_code + invoice_number 组合视为重复

5. 费用分类

参考 references/expense-categories.md 自动分类。

6. 输出

根据用户需求选择输出方式：

飞书多维表格（推荐）：

参考 feishu-bitable skill，将结果写入多维表格
字段映射见上方标准字段表

Excel 导出：

python3 scripts/extract-invoice.py batch --dir ./invoices --output results.xlsx

直接回复：单张发票直接在对话中展示提取结果

税务验真（可选）

仅对增值税专票/普票有效：

python3 scripts/extract-invoice.py verify \
  --code <发票代码> \
  --number <发票号码> \
  --date <开票日期> \
  --amount <金额>

结果：真实 / 虚假 / 已作废 / 已冲红

税务验真 API 有每日免费额度，批量验真时注意控制频率。

注意事项

图片模糊时，提示用户重新拍摄（建议 300DPI 以上）
金额 > 1000 元时，建议提示用户人工复核
不支持手写收据和外文发票
批量处理时，自动去重（相同发票代码+号码只录入一次）

参考文件

references/invoice-types.md — 各类发票版面特征
references/field-extraction.md — 字段提取规则
references/expense-categories.md — 费用分类规则
references/tax-verification.md — 税务验真接口说明