PaddleOCR联合Qwen3.8实测:发票报销从识别到确认要走几步
本文记录了一次基于PaddleOCR、Spring AI和Qwen3.8构建的企业发票报销链路测试。重点在于展示如何将OCR结构化结果与业务上下文(如账套、费用类型)结合,生成人工确认卡。文章强调了OCR识别与业务校验的分离,指出单纯依靠大模型解释票面信息的风险,并分享了在Windows环境下部署CPU OCR与GPU
为什么发票识别不能直接生成报销单
不少企业设想得挺顺:员工传张发票照片,系统自己认出金额、税号、明细,接着生成报销单送审。画面很美,真做起来却常常栽在最后一步——机器到底有没有读懂这张票?
前不久我们用 PaddleOCR、Spring AI 和
Qwen3.8(沿用第三方的这个命名)跑了一轮端到端链路测试。重点不在刷 OCR 的准确率数字,而是想弄明白:从“上传图片”到“生成待确认报销信息”中间,究竟要压多少层校验。
先把结论摆出来:OCR 读出来的文字只是原料,大模型的解释也只是参考意见。没经过金额关系验证、票种规则匹配和人工最后确认,任何自动生成的“草稿”都只能算预填充数据,不能直接落库当财务凭证。
架构设计:CPU OCR 与 GPU 大模型的解耦
测试环境装在 Windows 上。考虑到资源隔离和稳定性,两个核心服务我们分开部署。
其中一个是大模型服务,管对话理解、工具选择和业务逻辑补问。我们用 llama.cpp 加载了 27B 参数的 Coder390 Q3 模型,监听 18084 端口。它不碰图像像素,只当“大脑”:决定何时调用 OCR 工具,以及怎么把 OCR 返回的结构化数据填进业务表单。
另一个是专管票据处理的 OCR 服务,跑在独立的 Python 环境里,用 PaddlePaddle CPU 2.6.2 和 PaddleOCR 2.9.1(PP-OCRv4),监听 48082 端口。选 CPU 部署,是因为票据识别对并发要求不高,还能避开跟吃显存的大模型推理抢资源。
解耦的好处很直接:OCR 服务重启或升级,不影响大模型的对话状态;大模型做长上下文推理,也不会卡住 OCR 的快速响应。两边都有各自的健康检查接口,后端凭令牌调用 OCR,令牌不放在浏览器端,链路安全性有保障。
启动并不麻烦,装好 OCR 依赖,再分别拉起两个服务就行。要点是别重复跑启动脚本,否则容易端口冲突或者进程僵死。
链路实测:从上传到确认卡的四步走
整条报销准备链路分成四步:上传附件、OCR 结构化、补齐业务上下文、生成确认卡。
第一步:上传与识别,保留原始证据
测试时,员工上传了一份合成发票文件 SYN-002.pdf。系统先由 Qwen 模型判断该调用 OCR 工具。OCR 服务接到请求后返回结构化票面信息,包括票号、交易日期、购销方名称、不含税金额、税额和价税合计等。
有个细节:PDF 本身带可用文字层时,系统优先提取文字;只有字段缺失或质量不够,才转成图片做 OCR。不过不管走哪条路,原始可读文字都不等于正确的业务字段。比如 PDF 里出现“办公用品”字样,具体属于哪类办公用品、税率多少,还得靠结构化解析才能定。
本例中,OCR 认出不含税金额 681.66 元,税额 57.45 元,价税合计 739.11 元。另外识别出三项明细,金额分别是 135.75、288.51 和 257.40 元。三项加起来正好等于不含税金额 681.66 元。这次识别结果被绑到当前会话上下文里,供后续操作使用。
第二步:补齐业务上下文,拒绝模型“幻觉”
只有票面信息还不够。报销还得搞清楚:谁来报?走哪个账套?算哪类费用?钱打到哪个账户?
第二轮对话里,员工说明这是个人垫付的非差旅费用。这些信息模型不能自己编,必须去业务系统查。系统按当前登录员工的 ID,查所属部门、默认账套(本例是账套 10)、可用收款账户,以及允许的费用类型列表。
这里有个常见坑:大模型可能顺着历史对话“猜”一个费用类型编码。我们的实现里明令禁止。模型只能在系统返回的有效选项里挑。本例中,后台查到的日常费用报销类型为 2,具体费用类型 ID 为 19(对应“办公用品”,仅用于测试)。这些参数属于当前租户和用户的特定上下文,不能硬编码成通用常量。
代码层面,我们通过AgentosReimburseContextService让 OCR 上下文与当前租户、用户、会话严格绑定。一旦查不到有效且未过期的 OCR 记录,流程就中断,而不是让模型去猜一个 ID。
第三步:生成确认卡,多重校验
票面信息和业务上下文都齐了,系统才生成一张“确认卡”。这张卡不是最终报销单,只是待确认的草稿预览。
这张确认卡上列出的内容有几项。
- 基础信息一栏写明的是日常费用报销,账套用的是“学习账套”。
- 收款信息给的是经过脱敏处理的测试银行账号。
- 票据预览部分放了发票图片的缩略图,还有关键字段。
- 金额明细显示价税合计 739.11 元,占用金额同样为 739.11 元。
到这一步,系统至少做了两层金额核对。先是看不含税金额加税额是否等于价税合计,即 681.66 + 57.45 = 739.11;再检查各条明细金额加起来是否等于不含税金额。
除此之外,费用类型 ID 是否真出自此前的业务查询、OCR 引用 ID 是否指向对应的识别记录,也要一并核对。这些参数全部对上,确认卡才算生成成功。不过此时并没有建出真实的财务草稿,审批也没发起,整件事还停在“准备”这一环。
第四步:人工确认与边界检查
确认卡摆到员工面前后,得由人来核一遍。看着没问题就点确认,系统这时才真正创建报销草稿;要是发现哪里不对,比如费用类型选错了,可以退回去改。
测试中还暴露出一些模型解释层面的毛病。比如首轮回复里,模型拿税额 57.45 除以不含税金额 681.66,算出约 8.43% 的税率,还把它叫作“非标准税率”。可这张票本来就有不同税率的明细,这么简单一除得到的综合税率,反映不了真实的税务情况。缺明细税率的时候,模型也不该倒推一个税率出来凑数。
页面上还出现过“发票代码为空,不影响报销使用”这样的提示。这句话并没有走票种规则的校验。碰到一些严格的财务场景,发票代码缺失完全可能意味着票据无效。所以这类提示该由业务规则引擎来定,不能让大模型随口给。
性能与稳定性观察
测试期间,性能瓶颈和稳定性问题都有出现。
先看耗时。两轮 SSE 请求分别花了约 27.68 秒和 34.00 秒,里面算上了模型推理、工具调用(OCR)、网络往返和业务查询。OCR 本身的识别速度其实不慢,本例中工具步骤观测为 340ms,但用户整体体验还是卡在大模型的生成速度和业务逻辑的复杂度上。单拿 OCR 接口的耗时来代表整条报销链路的体验,并不成立。
再看重复调用。历史任务里出现过同一附件被反复识别 11 次的情况,上下文窗口很快就撑大了。通过设置parallel_tool_calls=false并改进工具编排逻辑,这个问题已经解决,单次调用的稳定性有了保证。
稳定性方面,WSL2 环境下连跑 200 次请求都正常。换到 Windows 原生环境,跑到 24 次时主机异常重启,测试随之中断。可见在 Windows 上做长时间高负载推理仍有风险,生产环境最好优先选 Linux 或容器化部署。
OCR 门禁与业务门禁的分离验收
这轮测试用了 100 笔原创合成的独立交易数据,覆盖 10 个不同的模板家族。结果显示,Windows 和 WSL2 环境下关键字段完整识别率都是 84/100,没达到预期的 95% 目标。若放宽标准、允许部分字段缺失,通过率能到 91/100。
这里要说清楚,“完整识别”和“被接受”不是一回事。完整识别要求票号、金额、税号等所有关键字段都准确无误;被接受则可能容忍某些非关键字段缺失或有误差。财务场景里,前者的分量更重。
另外,金额关系的通过率只统计了被接受的子集。数据是合成的,也没经过真实票据分布的验证,眼下的准确率数字不能直接搬到生产环境。真要上生产验收,还得覆盖更多样的票据类型、更复杂的业务场景,以及严格的幂等性和回滚机制测试。
常见误区澄清
开发这类系统时,有几个误区值得说清楚。
OCR 成功返回,就能自动生成报销单吗?不能。OCR 返回的只是文本和坐标,后面还得经过结构化解析、业务上下文匹配、金额校验和人工确认。本轮测试只走到确认卡阶段,最终单据并没有自动生成。
个人购方没有税号,要不要补一个?不用。票面本来就合法缺省的话,空着就行。究竟哪些字段必填,得看票种规则怎么定,税号绝不能自己编。
税率和费用科目能全交给模型判断吗?眼下不行,这次也没测过这项能力。合计的比值替代不了逐行核对税率,评测时用的分类同样替代不了真实的财务政策。模型给出的只是建议,拍板的还是业务规则和财务人员。
确认卡生成成功,就能说明 OCR 可以上生产了吗?不能。样例确认卡跑通,只证明这条链路能走。准确率、稳定性、泛化能力,都得另设门禁测试来验收。现阶段 OCR 的输出还没到可以直接放行的程度。
结语
这条链路真正值钱的地方,是“可追溯”和“可干预”。每步操作的来源都清清楚楚:票面信息出自 OCR,业务参数来自系统查询,最后一步由人来确认。模型在这里是帮手,也是连接各环节的角色,决定权不在它手上。
开发者该盯的,不只是“识别出了什么”。更该问的是“怎么验证识别结果”,以及“怎么把结果安全地接进业务流程”。核对有了真实依据,自动化才谈得上落地。
同样在做智能体应用的人,不妨多问自己两句:我的模型是在做决定,还是在提建议?系统里的门禁够不够,能不能拦住错误的建议?这些问题,比一个准确率数字要紧得多。