我用 OCR + WorkBuddy 把一摞发票合同整理成了 Excel

我这是计划参加腾讯云开发者社区「AI Skills 最佳实践」征集活动的一篇投稿，用到的正好是活动框定的 OCR 类 Skills。文末有完整可复现清单，照着做一遍就能跑起来。

先说背景，免得有人觉得这套东西离自己很远。我本职在一家人力资源公司做管理，日常绕不开三样东西：报销发票、业务合同、还有各种证照。以前这些要么财务手工录，要么我自己对着屏幕一张张敲。上个月积了 30 来张发票加几份合同，光录入就占了我大半个下午。

说实话，这事早就能自动化了，我只是迟迟没动手。这次借着活动，我把它真做了一遍，把过程记下来，给同样被纸质/扫描件困扰的朋友参考。

为什么是「OCR Skill + WorkBuddy」这个组合

单独用 OCR 工具，出来的是一串识别结果，离"能用"还差一步：字段要对齐、多张要合并、还要导出成 Excel 给财务。WorkBuddy 我平时就在用，它本来就能读本地文件夹、批量处理文件、操作 Office，再挂上活动框定的 OCR 类 Skills，正好补齐"识别→整理→导出"这条流水线。

活动框定的 OCR 类 Skills 里，我挑了三个最对口的：

• 腾讯云通用票据识别（高级版）：吃增值税发票、普票，直接吐出发票代码、号码、金额、税额、开票日期、销售方这些标准字段；

• 腾讯云表格识别 V3：扫描件里的表格、对账单，导出 Excel 比老版本稳；

• 腾讯云实时文档抽取 Agent：合同这种非标文档，自己定义要抽的字段（签约方、金额、期限、违约责任），比硬套票据模板灵活。

选这三个，是因为它们覆盖了"标准票 + 表格 + 非标合同"三类我手头真实存在的东西，不贪多。

我是怎么搭起来的（完整步骤）

第 1 步：申请密钥。 到云控制台申请 SecretId / SecretKey，按 Skill 的说明填到 WorkBuddy 的 Skill 配置里（有的也支持走环境变量）。这一步没难度，但容易卡在"权限范围"——我只开了 OCR 相关的，没给多余权限，安全上更踏实。

第 2 步：安装 Skill。 在 WorkBuddy 左侧「技能」里搜对应名字，点一下就装好了。装完直接用自然语言叫它干活，不用写代码，这点对不写程序的人很友好。

第 3 步：WorkBuddy 调用 + 编排。 我给 WorkBuddy 下的指令大概长这样（口语化，不是代码）：

把「D:\报销\8月发票」文件夹里所有图片，用通用票据识别提取字段，整理成一张 Excel，列包括：文件名、发票代码、发票号码、金额、税额、价税合计、开票日期、销售方名称、税号。

第 4 步：字段映射。 标准票据的字段是固定的，基本不用调。合同这种非标的，第一次要在「实时文档抽取 Agent」里配字段模板——这是我花时间最多的地方，下面踩坑里细说。

第 5 步：导出 Excel + 人工复核。 WorkBuddy 把结果写成一张表，我过一遍核对。关键结论：机器负责"把字认出来并排好"，人负责"确认对不对"，别指望全自动零干预。

我踩过的坑，在这里提示一下，省得你再踩

1. 扫描件 PDF 不一定能直接吃。 我第一轮丢进去几个 PDF，有的识别正常，有的空手而归。后来统一先转成 PNG 再传，就稳了。所以现在我的流水线第一步是"PDF 转图片"，多一道但省心。
2. 字段模板第一次最费劲。 合同的字段每个人关心的不一样。我一开始想一次抽全，结果模板越配越乱。后来改成"先抽 4 个核心字段（签约方、金额、期限、签订日），跑通后再慢慢加"，效率高很多。
3. 盖章、折叠、反光会丢字段。 有张发票右下角被盖章盖住了一截，金额那栏没识别准。这种只能人工补，但我让 WorkBuddy 把"识别置信度低的字段"单独标黄，复核时一眼就能看到，不用全表重看。
4. 密钥别乱放。 申请下来的 Key 我只配置在本地 WorkBuddy，没有写进会同步到别处的文件。涉及票据数据，这点谨慎点没坏处。

实测效果（说清楚是我的小样本，不是行业基准）

我拿自己经手的 25 张增值税发票 + 3 份合同扫描件 做了一轮测试，环境是我自己的笔记本（Win11、16G 内存、集显）：

• 手动录入：之前我自己录一张发票大约 1.5–2 分钟（要对金额、税号、日期），25 张就是 40 分钟上下，合同还要另算；
• OCR + WorkBuddy：图片导入、识别、汇总成表，全程跑下来约 4–5 分钟，剩下我核对 + 补录个别字段又花了大概 10 分钟。

所以对我这个样本，单看"识别+汇总"这一步，从 40 分钟缩到 5 分钟量级；加上人工复核，整体也省了一大半时间。但这只是我自己的小样本，票样、清晰度、你的量都不同，结果一定不一样，别直接拿这个数当通用结论。

合同那边，3 份用文档抽取 Agent 抽出核心字段，核对 10 分钟搞定——以前我是通读+手抄，每份至少 15 分钟。

可复现清单（照着做）

到云控制台申请 SecretId / SecretKey，只开 OCR 权限；
WorkBuddy 里装好「通用票据识别」「表格识别 V3」「实时文档抽取 Agent」；
把待处理文件放一个文件夹，扫描件 PDF 先转 PNG；
用自然语言让 WorkBuddy 调 OCR 识别并汇总成 Excel，列明你要的字段；
非标文档先在抽取 Agent 里配好字段模板，跑通 4 个核心字段再加；
让 WorkBuddy 把低置信度字段标黄，你只复核这些；
导出 Excel 交财务，保留原图备查。

一点个人判断

这套组合真正的价值不是"识别准不准"（那是 OCR 本身的事），而是把"识别结果变成能直接用的结构化表格"这一步包圆了。对发票合同证照多的岗位，光这一条就值回票价。

它也不是万能：量特别大、格式特别杂的时候，字段模板和复核还是要花心思。我的建议是先拿自己手头 20–30 张练手，跑通最小闭环再扩，比一上来就想全自动现实得多。

说明：本篇为「腾讯云 AI Skills 最佳实践」征集活动投稿，使用活动框定的 OCR 类 Skills 完成真实可复现场景。文中数据为本人小样本实测，非行业基准，请以自己的环境为准。