需用qwen-vl-plus或qwen2-vl模型识别发票字段，输入base64/https图片，按指定json格式输出；pdf需先转单页图，多图可用循环或拼接长图处理；图表分析需预处理增强对比度；结果可转excel并下载。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在扣子中调用图像理解模型识别发票关键字段
你需要从手机拍的模糊发票照片、扫描件或PDF截图中快速提取发票代码、金额、开票日期等结构化信息，避免手动录入错误和重复劳动。
打开扣子（Coze）平台，进入你已创建的 Bot 编辑界面→点击左侧【工作流】→新建一个工作流节点→选择【大模型】类型→在模型下拉菜单中选中 【Qwen-VL-Plus】 或 【Qwen2-VL】（二者均支持中英文混合图文理解，且对税务单据类图像优化较好；若未显示，请先在【Bot 设置→插件与模型】中启用对应视觉模型权限）。
在该节点的提示词框中输入：「请严格按以下JSON格式输出：{"invoice_code":"", "invoice_number":"", "date":"", "amount":"", "seller_name":"", "buyer_name":""}。仅输出JSON，不加任何说明、前缀或后缀。若某字段不可见则留空字符串。」
将上一步的图像输入连接至该节点的【image】参数槽位——注意：必须是 Base64 编码后的图片数据或可公开访问的 HTTPS 图片 URL；本地路径（如 C:\xxx.jpg）或相对路径会直接报错。
处理含多张发票的PDF或长图
扣子原生不支持PDF解析，需前置转换。先用 Python 脚本或在线工具（如 ilovepdf.com）将 PDF 拆为单页 JPG/PNG，每页一张发票；或使用 ImageMagick + Ghostscript 命令行批量转图（Windows 示例）：magick -density 300 invoice.pdf -quality 95 page_%03d.jpg。
方法一：逐页调用图像理解节点
在工作流中插入【循环】节点，遍历图片列表→每次迭代触发一次 Qwen-VL 调用→结果收集进数组→最后用【合并 JSON 数组】节点统一输出。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
方法二：拼接为长图后单次识别（适合发票排版规整的扫描件）
用 PIL 将多张发票图垂直拼接为一张长图，宽度保持一致（建议 1200px），高度自适应；拼接后图像需控制总大小 【不超过8MB】，否则扣子会拒绝上传；拼接时每张图之间加 40px 白色间隔，避免模型误判跨页字段。
从图表中提取趋势与数值（非发票类图像）
当你需要分析销售折线图、库存柱状图或财务饼图时，图像理解模型能直接读出坐标轴含义、关键点数值和整体结论。
第一步：上传图表图像至扣子知识库作为「文件」类型素材（支持 PNG/JPG），并打标签如 #sales_chart、#q2_revenue；
第二步：在 Bot 回复逻辑中添加【检索】节点，设置关键词匹配该标签；
第三步：将检索出的图表文件 ID 传入图像理解节点，提示词改为：「描述这张图表的类型、横纵轴含义、最高/最低值对应的数据点、以及近三个月销售额变化趋势（上升/下降/平稳）。用中文分点回答，不要 JSON。」
这一步不能依赖模型自动识别图例位置——如果图表中图例遮挡数据点、或颜色对比度低（如灰底配浅蓝柱），识别率会骤降。务必在上传前用画图工具手动增强对比度或标注箭头指引关键区域。
将识别结果写入 Excel 并触发下载
图像理解节点输出 JSON 后，立即接入【数据处理】节点，选择「JSON 转表格」功能，字段名自动映射为表头；
接着连接【Excel 操作】节点→选择【创建新文件】→设置文件名为「invoice_extract_{{now|date:"Ymd_His"}}.xlsx」；
勾选【自动填充数据】，源数据选上一步表格；
最后添加【文件下载】节点，将 Excel 文件作为 Bot 回复内容推送给用户。
注意：Excel 节点默认只写入首 Sheet，若需多表（如“发票明细”+“统计汇总”），必须拆成两个独立的【Excel 操作】节点，分别指定 sheet_name 参数；否则第二个写入会覆盖第一个。
