如何用 AI 做票据 / 证件的 OCR 信息提取？

两种技术路线

1. OCR + LLM：先用 OCR（PaddleOCR、云 OCR）把图上文字全识别出来，再把文本 + 「请抽取以下字段」的 prompt 给 LLM，输出结构化结果。版式适应性强。
2. 多模态大模型直读：直接把图片发给多模态模型，让它「读这张发票，按 JSON 返回金额、日期、抬头」。一步到位，对复杂版式更省事，但成本和延迟更高。

结构化抽取

关键是给定 schema：明确字段名、类型、是否必填，要求模型严格按 JSON 输出。再用 few-shot 给个样例，输出更稳定，方便下游直接入库。

校验与兜底

抽出来不能直接信：

• 规则校验：金额是不是数字、日期合不合法、身份证/发票号校验位对不对。
• 置信度：每个字段带置信分，低于阈值的标红转人工。
• 关键场景（财务入账、实名认证）保留人工复核环节。

难点要预期

票据版式五花八门、手写体、盖章遮挡、拍照模糊都会掉点，对这些 case 要专门测试和兜底，别假设一次识别就 100% 准。