上个月去一家客户那儿，财务共享中心的工位上贴了张手写便签：「褶皱票、歪的票、盖章盖住金额的票，先放一边，最后弄。」

我问她为什么要放一边。她说，机器认不出来，我得自己一个个敲。

那摞票三百多张，全是机器认不出来的"疑难杂症"。她每天为此多干两个小时，而且没人觉得这有什么不对——系统认不出的票，人就得出面，天经地义。

这个画面我记了很久。因为过去两年，我们团队几乎把全部精力都花在这件事上——怎么让机器把这些"不像发票的发票"认对。

这篇不写架构图，写我们踩过的坑。

坑一：以为OCR就够了

最早我们走的是经典路线：OCR+正则+版式模板。

标准增值税专票、电子发票，效果很好，能到95%以上。但客户真正头疼的恰恰是"非标件"——差旅的定额发票、手写的收据、老式机打票、被公章盖住半边的票、扫描时歪了十几度的票。

版式一变，模板就崩。我们做的模板越多，维护成本越吓人。客户的票种从几十种涨到几百种，新增一个版式，调模板要一天。

这条路的天花板大概在60%~75%。不是技术不行，是规则写不尽现实。

坑二：以为大模型能一把梭

后来大模型火了，我们也很兴奋：把OCR文本整段丢给模型，让它自己抽。

准确率一下跳到85%~92%，客户也满意。

然后出事了。

有一次对账，系统抽出来一张发票的价税合计是128,600.00，实际票面是12,860.00——多了一个零。这张票要是照这个数进了付款流程，就是一笔真金白银的多付。金额、税额、不含税额三个数对不上，模型还是给了一个"看起来很自信"的结果。

财务总监问我一句话：它错了，是它告诉我，还是我告诉它？

我答不上来。

大模型的问题不是不准，是不确定。它给你一个答案，但不保证这个答案在数学上成立。财务场景里，一个编造的金额，比十个识别不出的字段危险得多。

坑三：以为加个规则拦一下就行

于是我们加了规则引擎：金额勾稽、税号格式校验、发票号重复检查。

结果自动通过率反而掉了——因为规则只会"否"，不会"改"。一张票被拦下来，还是得人来看。

那段时间我很沮丧：模型识别得不错，规则也很严格，可整体效率就是上不去。转机来得纯属偶然——有一次复现问题，我随手把规则报错的内容，原样贴进了和模型的对话里。

想通的一件事：让规则教模型再抽一次

改进的办法，简单到不像话。

把规则校验失败的结构化原因，原样回喂给模型——

rule_id: INV-A01

reason: 不含税金额+税额 与 价税合计不相等

expected: 12860.00

actual: 128600.00

再跟一句：请仅修正与规则冲突的字段，其余字段保持不变，重新输出JSON。

模型第二次给出来的结果是12,860.00。

就这么一个动作，自动通过率抬了5~10个点。后来我们把所有失败场景都接上了这条回路——模型每错一次，下一次就更接近对。

我们把这条链路固化成了一句话：OCR读字，大模型读懂，规则判对，人兜底。

不是四个环节串起来就行，而是必须闭环——规则不只是门卫，它还是老师。它的失败原因，是模型第二次思考时最好的提示词。

这条流水线里还有一条分工红线，我们写得很硬：大模型负责读懂非标表述、对齐字段，但不许直接决定入库、不许绕过勾稽；规则引擎负责金额勾稽、税号格式、重复检查，但不许理解模糊扫描件、不许猜字；人只改规则仍未通过的标红字段，不整单重录。谁越线，系统就拒绝谁的输出。听起来苛刻，但财务数据面前，苛刻就是安全。

两个"笨办法"，比换更大的模型管用

模型迭代到今天，很多人以为识别率的钥匙在模型侧。我们试下来，有两件事比换模型有效得多，都是笨办法。

第一个是版式分治。

非标票听起来千奇百怪，其实不是无限随机——把几百张票摊开看，无非是几十个版式家族。我们对OCR全文做聚类，每类打一个版式标签，每个家族配两三条样例；新票进来先判家族，再走对应的抽取策略。新发现一个版式，人工标注两张样例就能启用。这件事没有任何技术含量，但它把"一个模型对付全世界"变成了"一群小模型各管一摊"，准确率实打实抬了一截。

第二个是双通道验证。

对金额、税号、发票号这几个要命的字段，我们不只走文本抽取一条路，还会把票面那个区域裁出来，让视觉模型直接"看"一遍。两条路的结果一致，置信度上调；不一致，降级送人工。相当于给关键字段上了双保险——错一个零这种事，基本逃不过去。

剩下那5%，交给一条分级流水线

每一单进来，系统先给一个置信度，处置分四级：L1高置信直过；L2中置信放行，但抽检5%；L3低置信进人工；命中拒绝规则的，直接退回。

人工复核的界面也讲究：左边是原图，带着OCR高亮框；右边是结构化表单，低置信字段标红。复核的人只改标红的字段，整单不用重录——一张票从三分钟压到三十秒，靠的就是这个。

还有个闭环：每一次人工修正，都会写回样本库，变成下次抽取的few-shot。系统越用越懂这家公司的票。所谓持续学习，落点其实很朴素：让每一次人工劳动都留下复利。

现在的样子

改造之后，现在的状态大概是这样：

• 关键字段准确率：95%以上

• 整单自动通过率：80%左右

• 人工只处理标红的低置信字段，一张票从3分钟降到30秒

• 每一单都留痕：原图坐标、OCR结果、模型输出、命中规则，审计随时能倒查
  
  

对了，那位财务总监后来又问过我一次那个问题——它错了，是它告诉我，还是我告诉它？这回我能答了：是它先告诉她的。错在哪、为什么错、该改哪个字段，界面上一目了然。她把那张便签撕了。

后来常被问到的三个问题

"上了大模型，OCR是不是可以扔了？"

不能。OCR负责把字读出来并给出坐标，大模型负责理解这些字是什么意思。没有OCR的坐标，人工复核时连"标红哪个字段"都做不到——只能让财务从头到尾重录一遍，那就又回到老路了。

"准确率都95%了，是不是可以全自动？"

恰恰相反。剩下那5%，往往是最要命的5%——错的常常就是金额。所以我们不搞一刀切的全自动，而是把处置分成四级：直过、放行加抽检、人工、拒绝。分级听起来不如"全自动"性感，但它敢写进合同。

"数据安全怎么保证？"

发票影像加密存储，模型调用前对敏感字段脱敏；有要求的客户直接私有化部署，模型和数据都不出域。这一点对金融客户尤其重要——识别率是效率问题，数据出不出域是资格问题。

落地节奏：四步走，每一步都有验收线

这件事我们分四步走，每一步都定了验收标准，不给"再看看"留空间：

P0，POC，两到三周。挑100张最烂的票，出识别报告，先验证能不能到85%。通不过，就别往下走。

P1，MVP，四到六周。OCR、大模型、规则引擎的流水线搭起来，复核界面跟上，关键字段冲到90%。

P2，量产，六到八周。版式库、批量队列、监控告警补齐，自动通过率做到80%。

P3，持续优化，长期。样本回流、模型微调、同义词词典，往95%以上爬。

每一步交什么、到什么数，都写进合同。项目最怕的不是慢，是不知道自己走到哪一步了。

如果你也在做这件事

三条建议，都是我交过学费的：

1.别拿标准票当考卷。标准票测出99%也没意义，真实世界里先崩的就是最烂的那批票。

2.别指望一个模型解决所有问题。版式分治、双通道验证（文本抽取+视觉直读比对），这些"笨办法"比换个更大的模型有效得多。

3.规则要能回喂。只拦不修的规则，本质上是在把机器的错误转成人力的成本。

最后说句实在的：这件事没有银弹。95%不是靠某个模型版本达成的，是靠"理解"和"约束"两个引擎咬着转出来的。

如果你手上也有那摞"先放一边"的票，欢迎找我聊聊。踩过的坑我都记得，摊开给你看，总比你自己再踩一遍强。

文章注释说明：© 2026 深圳高益科技有限公司.All Rights Reserved.转载请注明来源。