Agent Skills
返回列表
💻

LayoutLMv3 票据抽取与微调

开发编程 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_a10ab3ad/layoutlmv3-fine-tuning。

技能介绍

要解决什么问题

财务、报销和风控链路里,真正把票据「收进来」往往卡在半结构化版面:同一类发票版式各异,纯 OCR 加正则对表格、多栏和扫描件很不稳,字段漏抽或串行会直接污染对账和入库。你需要的不是一坨文本,而是可校验的结构化记录——发票号、金额、日期、税额等——最好还带置信度和版面坐标,方便低分字段人工复核。

技能如何工作

本技能围绕 LayoutLMv3 的版面感知能力,把票据图像或 PDF 转成结构化 JSON。典型流程包括:确认 input_path、输出格式与目标字段;做图像/PDF 预处理;加载 microsoft/layoutlmv3-base 做 token 级分类,再聚合为字段级结果;为每个字段附加置信度,低置信度可单独标记。除单张抽取外,支持目录批量遍历并汇总到统一 JSON;若要适配公司自有版式,文档还提供标注格式、训练参数建议与评估指标的微调指引(数据准备、训练、验证闭环)。

适用边界与注意点

适用具备 Python 与基础深度学习背景的工程师或研究人员处理票据、发票、表单类文档。明确不覆盖:手写体识别(需另接 OCR)、非票据类通用文档理解、模型上线部署。PDF 若为扫描件或加密受限,需按文档排查 OCR 与解析配置;批量时注意并发与分辨率对内存的影响;涉及个人或敏感票据时,须自行保证数据合规与授权。

使用场景

  • 增值税或电子发票扫描件需批量抽出发票号、金额、开票日期并写入对账表
  • 报销审核前要把 `./invoices/` 目录下全部 PDF 字段汇总成一份 JSON 供规则引擎校验
  • 公司固定版式报销单识别率不足,需按文档准备 JSON 标注并微调自有字段集
  • 单张发票 URL 抽取后要根据置信度门控筛出需人工复核的低分税额字段

适合人员

  • 负责进项发票入库的数据工程师,要把 PNG/PDF 转成带坐标的结构化字段而非纯 OCR 文本
  • 做财务自动化的后端开发,需对文件夹批量跑抽取并输出统一 JSON 对接现有系统
  • 实验室或企业 AI 方向研究员,希望用自有标注数据按指南微调 LayoutLMv3 适配特定票据版式
  • 风控或审单同学懂一点 Python,需在上线规则前用置信度分数筛出疑似错抽字段