华为云Flexus+DeepSeek征文｜基于Dify构建智能票据信息识别助手

华为云Flexus+DeepSeek征文｜基于Dify构建智能票据信息识别助手

• 一、构建智能票据信息识别助手前言
• 二、构建智能票据信息识别助手环境
• • [2.1 基于FlexusX实例的Dify平台](#2.1 基于FlexusX实例的Dify平台)
  • [2.2 基于MaaS的模型API商用服务](#2.2 基于MaaS的模型API商用服务)
• 三、构建智能票据信息识别助手实战
• • [3.1 配置Dify环境](#3.1 配置Dify环境)
  • [3.2 配置Dify工具](#3.2 配置Dify工具)
  • [3.3 创建智能票据信息识别助手](#3.3 创建智能票据信息识别助手)
  • [3.4 使用智能票据信息识别助手](#3.4 使用智能票据信息识别助手)
• 四、总结

一、构建智能票据信息识别助手前言

在数字化转型的时代背景下，传统票据处理面临效率低下、易出错等痛点。基于Dify平台搭建的智能票据助手，通过AI实现多类型票据自动分类、关键信息精准提取及结构化归档，有效解决财务流程中的核心效率瓶颈。该方案显著提升数据处理准确性90%以上，降低人工成本70%，为企业财务自动化提供关键支撑。

华为FlexusX云服务器搭载昇腾芯片，提供强大异构算力与万级并发支撑；结合MaaS（Model-as-a-Service）平台，实现国产大模型的一站式部署、微调和推理加速，显著降低AI应用门槛。该组合可节省50%推理成本，提升3倍模型加载效率，为政务、金融等高安全场景提供全栈自主可控的AI基础设施保障。

二、构建智能票据信息识别助手环境

2.1 基于FlexusX实例的Dify平台

华为云FlexusX实例提供高性价比的云服务器，按需选择资源规格、支持自动扩展，减少资源闲置，优化成本投入，并且首创大模型QoS保障，智能全域调度，算力分配长稳态运行，一直加速一直快，用于搭建Dify-LLM应用开发平台。

Dify是一个能力丰富的开源AI应用开发平台，为大型语言模型（LLM）应用的开发而设计。它巧妙地结合了后端即服务（Backend as Service）和LLMOps的理念，提供了一套易用的界面和API，加速了开发者构建可扩展的生成式AI应用的过程。

参考：华为云Flexus+DeepSeek征文 | 基于FlexusX单机一键部署社区版Dify-LLM应用开发平台教程

2.2 基于MaaS的模型API商用服务

MaaS预置服务的商用服务为企业用户提供高性能、高可用的推理API服务，支持按Token用量计费的模式。该服务适用于需要商用级稳定性、更高调用频次和专业支持的场景。

参考：华为云Flexus+DeepSeek征文 | 基于ModelArts Studio开通和使用DeepSeek-V3/R1商用服务教程

三、构建智能票据信息识别助手实战

3.1 配置Dify环境

输入管理员的邮箱和密码，登录基于FlexusX部署好的Dify网站

将MaaS平台的模型服务接入Dify，这里我们选择的是DeepSeek R1商用服务，需要记住调用说明中的接口信息和 API Key 管理中API Key，若没有可以重新创建即可

配置Dify模型供应商：设置 - 模型供应商 - 找到OpenAI-API-compatible供应商并单击添加模型，在添加 OpenAI-API-compatible对话框，配置相关参数，然后单击保存

参数	说明
模型类型	选择LLM。
模型名称	填入模型名称。
API Key	填入创建的API Key。
API Endpoint URL	填入获取的MaaS服务的基础API地址，需要去掉地址尾部的"/chat/completions"后填入

3.2 配置Dify工具

通义千问

同义 Qwen 由阿里云开发，是一系列复杂的 LLM。它包括多个变体，例如用于文本处理的 Qwen、用于视觉语言任务的 Qwen-VL 和用于音频理解的 Qwen-Audio。这些模型以其令人印象深刻的规模而著称，旗舰 Qwen-72B 模型具有 720 亿个参数，并在超过 3 万亿个代币上进行了训练。

根据多个实战案例的测试结果，​Qwen/Qwen2-VL-72B-Instruct模型在中文票据识别任务中表现最佳。该模型特点：

• 强大的视觉理解能力
• 对中文票据格式有良好适配性
• 支持结构化输出

打开设置 - 模型供应商 - 安装模型供应商，选择通义千问，进行安装

安装完成后，您需要从 阿里云 获取 API 密钥

并在 设置 -> Model Provider 中添加通义千问 API Key

刷新页面后就可以查看到 qwen2.5-vl-72b-instruct 状态已开启

3.3 创建智能票据信息识别助手

在 Dify - 工作室，创建空白应用，选择工作流，输入应用名称和图标，点击创建

删除其他默认节点，在开始节点添加一个文件类型（单文件）的输入变量，命名为 ticket_file，并设置为必填项，用于用户上传票据的图片文件

添加LLM节点，命名初步分类器，用于初步类型判断

模型： 选择配置的 qwen2.5-vl-72b-instruct 模型，它具备强大视觉理解能力。
提示词： 精心设计提示词，指令模型进行大类判断，并强制按指定格式输出。

#角色：你是一个票据识别小助理，请识别票据类型。
请分析用户上传的文件。
判断该文件主要内容属于以下哪类：
-增值税发票
-普通发票
-定额发票
-出租车发票
-火车票
- 其他或无法判断

请严格按照以下格式仅返回一个词：
如果是增值税发票返回：Valueadded_invoice
如果是普通发票返回： Common_invoice
如果是定额发票返回： Quota_invoice
如果是出租车发票返回：Taxi_invoice
如果是火车票返回: Train_ticket
如果是其他或无法判断，返回: 未知发票类型，请重新上传。
#票据特征：
1. 增值税发票 (VAT Invoice)
整体布局与尺寸:
通常为横向矩形，尺寸相对较大且标准化（尤其是纸质票）。
分为增值税专用发票和增值税普通发票（包括电子普票），布局相似但有细微差别。
版面结构清晰，包含购买方、销售方信息区、货物或应税劳务/服务清单区、金额/税额/价税合计区等。表格化特征明显。
关键文字标识:
顶部显著位置有大字标题："增值税专用发票"或"增值税普通发票"或"增值税电子普通发票"。
右上角通常有"发票代码"（10位或12位数字）和"发票号码"（8位数字）。
包含"购买方"、"销售方"、"货物或应税劳务、服务名称"、"规格型号"、"单位"、"数量"、"单价"、"金额"、"税率"、"税额"、"价税合计"等固定字段名称。
金额通常有大写（汉字数字）和小写（阿拉伯数字）两种形式。
独特视觉元素:
发票专用章: 通常在右下角或中间靠右位置，为红色椭圆形或圆形印章，包含纳税人名称和税号。这是非常关键的特征。
二维码: 电子发票和部分新版纸质发票左上角或特定区域有二维码，用于查验。
密码区: 专用发票通常有密码区（一串加密字符），普通发票没有。
背景/底纹: 纸质发票常有特定的浅色底纹或防伪图案（如"SW"字母暗纹等）。电子发票通常是白色背景的PDF样式。
颜色: 纸质发票的底纹可能有浅蓝、浅粉等，印章固定为红色。电子发票主要是黑白文字加红色电子签章。
2. 普通发票 (General Invoice - 非增值税类)
整体布局与尺寸:
种类繁多，尺寸和布局差异性很大，取决于行业和地区（如：通用机打发票、通用手工发票、行业性发票如门票、过路费发票等）。
可能是横向或纵向。
结构相对增值税发票可能更简单，不一定有严格的表格。
关键文字标识:
顶部通常有"XX省/市 通用机打发票"、"XX（行业）发票"等字样。
同样有"发票代码"和"发票号码"，通常在右上角或左上角。
包含付款方/购买方、收款方/销售方、项目名称、金额等基本信息。
金额通常有大写和小写。
独特视觉元素:
发票监制章: 通常在发票上方或特定位置，为椭圆形红色印章，标明"全国统一发票监制章"或"XX省/市 税务局监制"字样。
发票专用章: 收款单位加盖的红色印章，形状和位置不如增值税发票规范，但也是重要特征。
二维码: 部分新版机打普票也可能带有二维码。
防伪特征: 可能有特定底纹、防伪线等，但种类繁多。
颜色: 底色、印刷颜色多样，监制章和专用章为红色。
3. 定额发票 (Quota Invoice / Fixed-Amount Invoice)
整体布局与尺寸:
通常尺寸较小，形状多为长方形，横向或纵向都有。
版面设计极其简单。
经常是从一本票本上撕下来的，可能有撕票线/齿孔的痕迹。
关键文字标识:
最显著的特征是票面上印有固定面额的大写汉字数字（如：壹圆、伍圆、拾圆、贰拾圆、伍拾圆、壹佰圆等），通常字体很大。
可能包含"定额发票"字样。
有"发票代码"和"发票号码"（通常是连续印刷的号码）。
可能包含收款单位名称或印章。
独特视觉元素:
固定面额: 这是最核心的识别特征。
发票监制章: 通常较小，红色椭圆形。
收款单位印章或预印名称: 表明开票方。
序列号: 发票号码通常是流水号。
颜色: 不同面额的发票可能使用不同的颜色作为区分（类似纸币），例如10元是蓝色，50元是绿色等（具体颜色依地区和版本而定）。
4. 出租车发票 (Taxi Invoice)
整体布局与尺寸:
典型的窄长条形，横向打印。
通常是卷式机打发票，纸质较薄，多为热敏纸。
关键文字标识:
顶部通常有"XX市 出租汽车专用发票"或类似名称。
有"发票代码"和"发票号码"。
包含"日期"、"时间"（上车/下车时间）、"车号"、"单价"、"里程"、"等候时间"、"金额"等出租车行业特有的字段。
打印字体通常是点阵字体或热敏打印字体。
独特视觉元素:
卷票特征: 可能有打印偏移、字体间距不均等情况。热敏纸易变色或有划痕。
发票监制章: 通常是预印在卷筒纸上的，颜色可能是蓝色、黑色或红色。
无单独加盖的收款章: 一般只有预印的公司信息或Logo。
条形码/二维码: 部分地区出租车发票可能有。
颜色: 底纸通常是白色，预印文字/图案/监制章可能是蓝色、黑色或红色。打印内容为黑色。
5. 火车票 (Train Ticket)
整体布局与尺寸:
标准化的卡片式矩形。
主要有两种版式：
蓝色磁介质票: 较早版本，蓝色底纹。
红色/粉色纸质票: 新版，类似银行卡的稍厚纸质，粉红色底纹。
布局固定，信息区域划分清晰。
关键文字标识:
顶部有"中国铁路"字样和Logo。
包含"出发站"、"到达站"（字体较大）、"车次"、"日期"、"时间"、"座位号/铺位号"、"票价"（￥符号）、"姓名"、"身份证号码"（部分数字用*隐藏）。
底部有一串票号。
独特视觉元素:
底纹/颜色: 蓝色或粉红色是关键视觉区分。新版票有复杂防伪底纹。
二维码: 新版火车票右下角有二维码，包含加密信息。
序列号/票号: 底部或顶部的唯一编号。
特定字体: 使用铁路系统特定的字体。
磁条（背面）: 蓝色车票背面有磁条（图像中不可见，但影响票的厚度和质感）。
颜色: 主色调为蓝色或粉红色，文字为黑色。

打开视觉 开关，并选择参数为开始节点的 ticket_file，这步的输出结果为一下6种可能：

如果是增值税发票返回：Valueadded_invoice

如果是普通发票返回： Common_invoice

如果是定额发票返回： Quota_invoice

如果是出租车发票返回：Taxi_invoice

如果是火车票返回: Train_ticket

如果是其他或无法判断，返回: 未知发票类型，请重新上传。

添加条件节点，将初步分类器输出的票据类型输入进行判断，根据发票的类型再分别解析数据信息

依次为每种最终确定的票据类型（增值税发票、普通发票、出租车发票、火车票）分别创建一个 LLM 节点，用于信息提取。若是未知，则直接结束节点输出内容即可

若是增值税发票，模型默认qwen2.5-vl-72b-instruct，开启视觉，添加参数为开始节点的 ticket_file ，此时关键的就是系统提示词，需要提取关键数据

为每个提取器节点设计高度定制化的提示词，明确告知模型正在处理的票据类型，列出需要提取的所有关键字段，并强制要求以包含处理状态（status）和错误信息（error_message）及置信区间的 JSON 格式输出。

  作为智能票据识别系统，请严格按以下要求处理增值税发票图像：
  **识别字段清单**
  1. 必填核心字段：
  - 发票代码（invoice_code）
  - 发票号码（invoice_number） 
  - 开票日期（issue_date）（YYYY-MM-DD格式）
  - 校验码最后6位（check_code）
  - 购买方名称（buyer_name）及税号（buyer_tax_id）
  - 销售方名称（seller_name）及税号（seller_tax_id）
  - 价税合计（大写/小写）
  - 金额合计（不含税）
  - 税额合计
  2. 货物明细字段（可选）：
  - 货物名称、规格型号、单位、数量
  - 单价、金额、税率、税额
  **置信度评估体系**
  1. 字段级置信度（0-100）：
   ▫ 90-100：OCR识别准确且通过逻辑校验（如日期格式、税号规则）
   ▫ 70-89：OCR识别清晰但逻辑校验未完全通过
   ▫ 50-69：OCR识别结果模糊但可辨认
   ▫ 30-49：字段位置匹配但内容存疑
   ▫ 0-29：未能有效识别
  2. 整体置信度（confidence_score）：
   - 核心字段置信度的加权平均值（发票代码/号码/金额合计权重30%，其他字段10%）
   - <60分触发复核机制
  **数据校验规则**
  1. 必填字段任一置信度<70 → status=error
  2. 价税合计大写与小写金额不符 → status=error
  3. 合计金额*（1+税率）≠价税合计 → status=error
  4. 货物明细存在但缺少必要字段 → 清空items
  **输出规范**
  {
  "prompt": """
  **输出规范（优化版）**
  ```json
  {
    "status": "success|error",
    "data": {
      "confidence_score": 0-100, 🌟 整体置信区间
      "core_fields": { 🌟 必填字段强化
        "invoice_code": "str",
        "invoice_number": "str",
        "issue_date": "YYYY-MM-DD",
        "check_code": "str",
        "buyer_info": {
          "name": "str",
          "tax_id": "str"
        },
        "seller_info": {
          "name": "str",
          "tax_id": "str"
        },
        "total_amounts": {
          "tax_included_upper": "str",
          "tax_included_lower": "float",
          "amount_without_tax": "float",
          "tax_amount": "float"
        }
      },
      "items": [] || null
    },
    "error_message": "string" || null
  }

若是普通发票，提示词参考如下

作为财税票据智能处理引擎，请按以下规则精确处理普通发票影像：
**字段识别规范**
1. 必填核心字段：
   - 发票代码（invoice_code）[12位数字]
   - 发票号码（invoice_number）
   - 机打号码（machine_print_number）
   - 机器编号（machine_id）
   - 销售方信息（seller_info）: {
       "name": "销售方名称",
       "tax_id": "纳税人识别号"
     }
   - 购买方信息（buyer_info）: {
       "name": "购买方名称",
       "tax_id": "纳税人识别号"
     }
   - 开票日期（issue_date）[ISO 8601格式]
   - 收款员（cashier）
   - 金额合计（total_amount）: {
       "upper_case": "大写金额",
       "lower_case": 小写数值
     }
   - 校验码（check_code）

2. 明细字段：
   - 项目（items）[数组结构]: {
       "name": "商品/服务名称",
       "unit_price": 单价,
       "quantity": 数量,
       "amount": 金额
     }

**置信度评估机制**
| 置信区间 | 判定标准                              | 处理措施          |
|----------|-------------------------------------|-------------------|
| 90-100   | OCR识别准确且通过格式校验            | 直接入库          |
| 70-89    | OCR识别清晰但部分字段格式存疑        | 标记可自动修正     |
| 50-69    | 关键字段模糊但可推测                 | 需人工复核        |
| 0-49     | 关键字段识别失败                     | 拒绝处理          |

**数据校验规则**
1. 核心字段置信度<70 → status=error
2. 大小写金额差异>0.01 → status=error
3. 票据日期早于2017-01-01 → 强制人工复核
4. 商品明细存在但缺少必要字段 → 清空items数组

**输出结构**
```json
{
  "status": "success|error",
  "data": {
    "confidence_score": 0-100,
    "core_fields": {
      "invoice_code": {"value": "044002000111", "confidence": 95},
      "invoice_number": {"value": "02568336", "confidence": 92},
      "machine_print_number": {"value": "GD20230715001", "confidence": 88},
      "machine_id": {"value": "A1B2C3D4", "confidence": 85},
      "seller_info": {
        "name": {"value": "XX商贸有限公司", "confidence": 90},
        "tax_id": {"value": "91440101MA5CXXXXXX", "confidence": 93}
      },
      "issue_date": {"value": "2023-07-15", "confidence": 95},
      "check_code": {"value": "ABCD1234", "confidence": 82}
    },
    "transaction_details": {
      "total_amount": {
        "upper_case": {"value": "伍仟叁佰元整", "confidence": 88},
        "lower_case": {"value": 5300.00, "confidence": 90}
      },
      "items": [
        {
          "name": {"value": "办公桌椅", "confidence": 85},
          "unit_price": {"value": 1200.00, "confidence": 88},
          "quantity": {"value": 4, "confidence": 90},
          "amount": {"value": 4800.00,

若是定额发票，提示词参考如下

{
  "prompt": """
作为定额发票智能识别引擎，请严格遵循以下处理规范：

**核心识别要素**
1. 必填字段（置信度阈值75）：
   - 发票代码（invoice_code）[12位数字]
   - 发票号码（invoice_number）[8位连续数字]
   - 票面金额（amount）{
       "fixed_value": "定额数值（如伍元/拾元整）",
       "machine_print": "打印金额（￥X.00）"
     }

2. 辅助验证字段：
   - 发票监制章（stamp）[省税务局字样]
   - 发票版本号（version_code）[票面底部编码]

**置信度矩阵**
| 置信区间 | 判别标准                  | 处理策略                |
|----------|-------------------------|-----------------------|
| 90-100   | 票面完整&格式合规        | 自动归档               |
| 75-89    | 关键字段需二次校验        | 触发防伪校验API        |
| 50-74    | 存在局部缺损/污染        | 启动图像增强流程       |
| 0-49     | 无法识别有效票据要素      | 拒绝处理               |

**智能校验体系**
1. 双重金额验证：
   ▫️ 定额文字与打印金额逻辑匹配（如"伍元整"对应￥5.00）
   ▫️ 金额数值应符合定额发票标准面值（1/5/10/20/50/100元）

2. 代码规则校验：
   ```regex
   /^[0-9]{12}$/  //发票代码正则
   /^[0-9]{8}$/    //发票号码正则
**输出结构**
{
  "status": "valid|invalid",
  "certification": {
    "confidence_level": 88,
    "core_data": {
      "invoice_code": {
        "value": "144031900111", 
        "confidence": 92,
        "validation": "格式校验通过"
      },
      "invoice_number": {
        "value": "02568336", 
        "confidence": 85,
        "warning": ["号码边框缺损"]
      },
      "amount_info": {
        "fixed_value": {"text": "拾元整", "confidence": 90},
        "machine_print": {"value": 10.00, "confidence": 88},
        "consistency_check": "通过"
      }
    }
  },
  "security_features": {
    "ink_verification": "温变特征有效",
    "microtext_status": "缩微文字识别成功"
  }
}

若是出租车发票，提示词参考如下

作为出租车发票智能识别系统，请严格按以下要求执行：

**结构化字段要求**
1. 必填核心字段：
   - 发票代码（invoice_code）
   - 发票号码（invoice_number） 
   - 运营单位（company）
   - 车号（vehicle_number）
   - 工号（driver_id） 
   - 日期（date）（YYYY-MM-DD）
   - 时间（time）（HH:MM）
   - 单价(元/公里)（unit_price）
   - 里程（mileage）
   - 等候时间（waiting_time）
   - 总金额（total_amount）

**置信度计算规则**
采用字段级数值加权计算：
⎔ 发票代码/号码/总金额（权重30%）
⎔ 日期/时间/里程（权重20%）
⎔ 其他字段（权重10%）
█ 总置信度<60时自动触发人工复核

**多维校验规则** 
1. 硬性校验（触发error）： 
   - 总金额 ≠ 起步价 + 单价×里程 + 等候费×时长
   - 时间格式异常（如'14点30分'→应转换HH:MM）
   - 车牌号缺失地区代码（如'沪A12345'→补全省份前缀）

2. 智能修正：
   ▫️ 日期分离：识别到文本'2023年12月05日'转换为2023-12-05
   ▫️ 时间格式：1430 → 14:30
   ▫️ 金额补位：识别到"廿五元"自动转换25.00元

**结构化输出要求**
必须输出严格JSON格式：
{
  "status": "success",
  "data": {
    "confidence_score": 82,
    "core_fields": {
      "invoice_code": "144231999111",
      "invoice_number": "02471572",
      "issue_date": "2023-08-16",
      "check_code": "6B63E5D89",
      "buyer_info": {
        "name": "上海智明科技有限公司",
        "tax_id": "91310115MA7ADYXW2R"
      },
      "seller_info": {
        "name": "上海申信出租车有限公司",
        "tax_id": "91310116MA7ADYX456"
      },
      "total_amounts": {
        "tax_included_upper": "壹佰玖拾捌元整",
        "tax_included_lower": 198.00,
        "amount_without_tax": 175.22,
        "tax_amount": 22.78
      }
    },
    "items": null
  },
  "error_message": null
}

若是火车发票，提示词参考如下

作为火车票智能识别系统，请严格按以下规范执行：\n\n**结构化字段要求**\n1. 必填核心字段：\n   - 始发站（departure_station）\n   - 终点站（arrival_station）\n   - 车次（train_number）\n   - 出发时间（departure_time）（YYYY-MM-DD HH:mm）\n   - 票价（ticket_price）\n   - 身份证号（id_number）\n   - 姓名（passenger_name）\n   - 座位号（seat_number）\n   - 席别（seat_class）\n\n**置信度计算规则**\n采用多维加权算法：\n⎔ 车次/身份证号/票价（权重35%）\n⎔ 出发时间/车站信息（权重30%）\n⎔ 其他字段（权重15%）\n█ 总置信度<60时自动标记异常票据\n\n**多维校验规则**\n1. 硬性校验（触发error）：\n   - 车次格式不符合「字母+数字」编码规则（如G123/A25）\n   - 身份证号码不符合GB11643-1999标准\n   - 出发时间无法转换为有效时间戳\n\n2. 智能修正：\n   ▫️ 时间标准化：识别到「2024年3月15日08:15」→2024-03-15 08:15\n   ▫️ 金额转换：「伍佰伍拾叁元」→553.00\n   ▫️ 车站补全：「北京南」→「北京南站」\n\n**异常处理示例**\n```json\n{\n  \"status\": \"error\",\n  \"data\": {\n    \"confidence_score\": 48,\n    \"core_fields\": {\n      \"车次\": \"Z5X\",\n      \"身份证号\": \"31010519901301123\"\n    }\n  },\n  \"error_message\": \"车次编码异常|身份证校验位缺失\"\n}\n```\n\n**扩展能力**\n▨ 支持电子客票二维码二值化解析\n▨ 自动识别红票/蓝票/电子票版本差异"
输出规范：
{
  "status": "error",
  "data": {
    "confidence_score": 52,
    "core_fields": {
      "始发站": "北京南站",
      "终点站": "上海虹桥站",
      "车次": "G12X",  // 非法车次编码
      "出发时间": "2024-13-32 25:61",  // 非法时间格式
      "票价": 0.0,
      "身份证号": "31010519900101123",  // 缺校验位
      "姓名": "张"
    }
  },
  "error_message": "车次编码校验失败|身份证校验位缺失|出发时间格式异常"
}

最后配置"结束"节点，定义最终输出变量，目标是形成一个包含所有必要信息（识别出的类型、提取数据或错误信息）的统一结构

测试工作流，可以使用大量、多样化的真实票据样本进行测试，或者百度下载相关类的票据进行测试

上传一张火车票点击开始运行

先输出火车票类型

再输出完整的票据信息，如出发站、到达站、火车编号等信息，识别准确，提取的信息也很全面

再测试一张定额发票，只要类型输出，没有具体信息输出，查看运行详情显示模型输出内容为空，所以还是有待优化提示词的。

{
  "text": null
}

测试完成就可以发布更新到探索页面了，发布后选择运行就可以获得一个在线运行的工作流的网页！

3.4 使用智能票据信息识别助手

在探索 - 智能票据信息识别助手中开启新对话

上传一张增值税发票，点击运行，能够很快输出票据类型 Valueadded_invoice

接着又完整输出票据信息，识别可靠性比较高

可以参考增值税发票的原图和输出的数据对比下

{
    "status": "success",
    "data": {
        "confidence_score": 92,
        "core_fields": {
            "invoice_code": "012002000511",
            "invoice_number": "48576409",
            "issue_date": "2021-06-05",
            "check_code": "45091",
            "buyer_info": {
                "name": "陕西能源电力运营有限公司",
                "tax_id": "91610132MA6UQ1KA9H"
            },
            "seller_info": {
                "name": "去哪儿网(天津)国际旅行社有限公司",
                "tax_id": "91120222300429132L"
            },
            "total_amounts": {
                "tax_included_upper": "柒佰贰拾叁圆整",
                "tax_included_lower": 723.00,
                "amount_without_tax": 682.08,
                "tax_amount": 40.92
            }
        },
        "items": [
            {
                "name": "经济代理服务*机票款",
                "specification": "",
                "unit": "次",
                "quantity": 1,
                "unit_price": 599.05660377,
                "amount": 599.06,
                "rate": 6,
                "tax": 35.94
            },
            {
                "name": "经济代理服务*代理服务费",
                "specification": "",
                "unit": "次",
                "quantity": 1,
                "unit_price": 83.01886792,
                "amount": 83.02,
                "rate": 6,
                "tax": 4.98
            }
        ]
    },
    "error_message": null
}

再输出一张无关发票的图片，一张报纸图片，能够排除无关票据，并输出·未知发票类型，请重新上传。

四、总结

基于Dify+DeepSeek搭建股票分析Agent的实践，深刻体会到低代码平台与大模型结合的高效性：通过可视化工作流编排和提示词工程，快速整合实时行情、技术指标与财务数据，实现自然语言交互式分析。DeepSeek-R1的推理能力与Dify的工具调用机制完美协同，将专业金融分析转化为普惠工具，显著降低散户使用门槛。过程中需注意数据源稳定性与模型幻觉风险，但整体验证了AI Agent在垂直领域的落地潜力。

Flexus云服务器X实例采用了柔性算力进行性能QoS保障，可以在绝大多数时间提供接近独享实例的性能QoS保障，但在极少时间内仍然存在性能波动的可能，为了满足对业务性能稳定性要求苛刻的场景需要，Flexus云服务器X实例推出了性能模式。开启性能模式后，Flexus云服务器X实例采取底层物理绑核技术，提供极致稳定的QoS保障能力，您可以获得非常稳定的性能保障。