一、 引言（Introduction）
-
业务背景： 许多关键业务信息（如：客户发送的转账截图、入群申请说明、包含联系方式的海报）都以图片形式存在于聊天记录中。
-
技术痛点： 传统的 UI 自动化只能获取"这是一张图片"，无法感知其内容，导致自动化流程在图片环节"断流"。
-
解决方案： 引入 AI 视觉能力（OCR）。RPA 负责从窗口截取或下载图片，OCR 引擎负责将图像信息转化为机器可读的文本，实现真正的全数据链路自动化。
二、 RPA + OCR 的技术链路拆解
要实现图片信息的自动处理，需要经过以下四个核心步骤：
2.1 图片定位与获取
-
气泡识别： 识别聊天窗口中
ControlType为Image或包含图片特征的消息气泡。 -
获取方式：
-
方式 A（非侵入）： 利用 RPA 控件属性获取该图片在屏幕上的
BoundingRectangle，执行区域截图。 -
方式 B（文件级）： 模拟右键点击图片 \\rightarrow "另存为"，将图片保存到本地指定目录。
-
2.2 OCR 引擎的选型与集成
-
本地引擎（高隐私）： 集成 PaddleOCR 或 Tesseract。优点是数据不离境，响应快，适合处理手机号、金额等敏感信息。
-
云端 API（高精度）： 调用百度、阿里或腾讯的通用 OCR 接口。优点是识别率极高，支持复杂排版和手写体。
2.3 文本结构化处理
-
关键词匹配： 从 OCR 返回的原始文本中，利用正则表达式（Regex）提取目标字段。
-
示例： 识别转账截图中的"金额"和"交易时间"。
-
示例： 识别海报中的"微信号"或"活动关键词"。
-
三、 实战场景应用：自动化凭证审核
以"客户发送付款截图后自动开通权限"为例：
-
触发： RPA 监控到新消息为图片。
-
动作： 截图图片区域，调用 OCR。
-
判断： * 如果文本中包含"支付成功"及正确的"商户名称"。
- 提取交易单号。
-
后续： RPA 自动在业务系统查询单号，确认无误后在群内回复"权限已开通"。
四、 性能优化与稳定性策略
-
图像预处理： 在送入 OCR 前，利用 OpenCV 进行灰度化、去噪或二值化处理，显著提升识别率。
-
异步处理架构： 图片识别通常比文字处理慢。建议采用"生产者-消费者"模型：RPA 进程负责抓取图片放入队列，独立的 OCR 进程负责后台解析，避免阻塞 UI 操作流。
-
异常重试逻辑： 遇到模糊图片或加载不全的情况，设置重试机制，或在识别置信度低于 0.8 时触发人工介入告警。
五、 结论与总结
-
总结： OCR 是 RPA 的"眼睛"。结合了 AI 视觉后，RPA 的应用范围从结构化文字扩展到了广阔的非结构化图像领域。
-
核心价值： 实现了业务流程的"语义级"自动化，能够处理更复杂、更贴近真实人工场景的任务。
实施建议：客户联系功能启用步骤
操作步骤
- 权限申请
请通过 QiWe开放平台管理后台，提交"客户联系"功能的使用权限申请。 - 获取访问凭证
请使用企业 corpidcor pid （企业ID）和 corpsecretcorpsecret （应用密钥）作为参数，调用相应接口以获取 access_tokenaccess _token （访问令牌）。
目的
完成上述轻量级开发部署后，即可启用通过接口进行客户联系管理的能力。