用AI Agent搞定繁琐报销——小白也能懂的"自动填表"自动化方案

月底，你打开公司OA系统。

面前是47张发票，有餐饮、有交通、有住宿，还有几张皱皱巴巴的出租车票。你深吸一口气，开始逐张翻看——日期、金额、类目、备注，一行一行手动输入。第23张的时候，你把1,280元打成了12,800元，没注意。三天后财务把单子打回来，备注两个字：金额有误。

你重新打开OA，一切从头再来。

这不是段子，这是中国几千万职场人每个月都在经历的"报销地狱"。有调研数据显示，职场人平均每月花在报销流程上的时间接近3小时——光是填表、对账、上传附件这些纯体力活，就能吃掉你大半个下午。

今天这篇文章，我会手把手带你搭建一个真正能用的AI报销助手：拍照→识别→自动填表→生成报销单，全程不超过3分钟，不需要任何编程基础也能跟着做。

---

一、方案全景图：AI Agent自动报销的底层逻辑

在开始写代码之前，先花两分钟搞清楚这套方案的工作原理。整个流水线只有五个环节：

📷 拍照/截图
↓
🔍 多模态大模型识别发票（OCR + 语义理解）
↓
📋 结构化提取关键字段（JSON输出）
↓
📊 自动写入Excel报销单（openpyxl）
↓
✅ 人工确认 → 一键提交

每个环节用到的工具都很轻量：多模态大模型（比如GPT-4o）负责"看懂"发票，Python脚本负责把各环节串起来，Excel/飞书表格负责最终输出。

很多人第一反应是"直接用OCR不就行了"，但传统OCR方案有个致命问题：它只认字，不理解语义。遇到格式稍有变化的发票（比如手写票、境外票、非标准版式），识别率会断崖式下跌，而且你还得自己写规则去解析识别结果。

来看一下两种方案的实际差距：

结论很清晰：对于报销这种"格式多变、字段语义复杂"的场景，大模型方案在准确率和开发效率上都完胜传统OCR。

---

二、实战搭建：从第一张发票到完整流水线

Step 1：调通API，让大模型"看懂"一张发票

首先安装依赖：

pip install openai openpyxl pillow

然后写第一段核心代码——让大模型识别单张发票：

import base64
import json
from openai import OpenAI

这里我用的是 api.884819.xyz 提供的中转API
一个key能调GPT-4o、Claude、Gemini，对国内用户非常友好
client = OpenAI(
api_key="你的API_KEY",
base_url="https://api.884819.xyz/v1"
)

def encode_image(image_path):
"""将图片转为base64编码"""
with open(image_path, "rb") as f:
return base64.b64encode(f.read()).decode("utf-8")

普通发票识别Prompt（精调版）
INVOICE_PROMPT = """
你是一个专业的财务票据识别助手。请仔细分析这张发票图片，提取以下字段并以JSON格式返回：

{
"invoice_type": "发票类型（增值税专票/增值税普票/出租车票/火车票/其他）",
"invoice_number": "发票号码",
"invoice_date": "开票日期（格式：YYYY-MM-DD）",
"seller_name": "销售方名称",
"buyer_name": "购买方名称",
"amount_without_tax": "不含税金额（数字，保留两位小数）",
"tax_amount": "税额（数字，保留两位小数，无则填0）",
"total_amount": "价税合计/总金额（数字，保留两位小数）",
"category": "费用类别（餐饮/交通/住宿/办公用品/其他）",
"description": "商品或服务描述（简短概括）",
"confidence": "识别置信度（0-1之间的小数）"
}

注意：
1. 如果某个字段无法识别，填null
2. 所有金额字段只填数字，不含货币符号
3. 如果图片模糊或无法识别，在confidence字段填0.5以下并说明原因
"""

def recognize_invoice(image_path):
"""识别单张发票，返回结构化数据"""
base64_image = encode_image(image_path)

response = client.chat.completions.create(
model="gpt-4o",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": INVOICE_PROMPT},
{
"type": "image_url",
"image_url": {
"url": f"data:image/jpeg;base64,{base64_image}",
"detail": "high"
}
}
]
}
],
response_format={"type": "json_object"},
max_tokens=1000
)

result = json.loads(response.choices[0].message.content)
return result

测试一张发票
result = recognize_invoice("invoice_001.jpg")
print(json.dumps(result, ensure_ascii=False, indent=2))

运行之后，你会看到类似这样的输出：

{
"invoice_type": "增值税普票",
"invoice_number": "12345678",
"invoice_date": "2025-01-15",
"seller_name": "北京某某餐饮有限公司",
"buyer_name": "XX科技有限公司",
"amount_without_tax": "188.68",
"tax_amount": "11.32",
"total_amount": "200.00",
"category": "餐饮",
"description": "工作餐",
"confidence": 0.97
}

第一步完成。大模型不只是"读"出了数字，还自动判断了费用类别——这是传统OCR永远做不到的事情。

---

Step 2：批量处理，一个文件夹的发票全部识别

单张能跑通，接下来批量处理整个文件夹：

import os
import time
from pathlib import Path

def process_invoice_folder(folder_path, output_json="results.json"):
"""批量处理文件夹中的所有发票图片"""
folder = Path(folder_path)
image_files = list(folder.glob(".jpg")) + list(folder.glob(".png"))

results = []
failed = []

print(f"📂 发现 {len(image_files)} 张发票，开始处理...\n")

for i, image_path in enumerate(image_files, 1):
print(f"[{i}/{len(image_files)}] 正在处理: {image_path.name}", end=" ")

try:
data = recognize_invoice(str(image_path))
data["file_name"] = image_path.name

# 置信度低于0.7时标记为需人工复核
if data.get("confidence", 1) < 0.7:
data["need_review"] = True
print(f"⚠️  置信度低，建议人工复核")
else:
print(f"✅ 成功 | 金额: ¥{data.get('total_amount', 'N/A')}")

results.append(data)

except Exception as e:
print(f"❌ 失败: {e}")
failed.append(str(image_path.name))

# 避免触发API频率限制，每张间隔0.5秒
time.sleep(0.5)

# 保存结果
with open(output_json, "w", encoding="utf-8") as f:
json.dump(results, f, ensure_ascii=False, indent=2)

print(f"\n✨ 处理完成！成功 {len(results)} 张，失败 {len(failed)} 张")
if failed:
print(f"失败文件: {', '.join(failed)}")

return results

运行批量处理
all_results = process_invoice_folder("./invoices/")

---

Step 3：自动填表，生成标准报销Excel

最后一步，把识别结果写入Excel报销单：

import openpyxl
from openpyxl.styles import Font, Alignment, PatternFill, Border, Side
from datetime import datetime

def generate_expense_report(results, output_file="报销单.xlsx"):
"""根据识别结果生成标准报销Excel"""
wb = openpyxl.Workbook()
ws = wb.active
ws.title = "报销明细"

# 设置表头
headers = ["序号", "文件名", "发票类型", "开票日期", "销售方",
"费用类别", "描述", "金额（元）", "是否需复核"]

header_fill = PatternFill(start_color="366092", end_color="366092", fill_type="solid")
header_font = Font(color="FFFFFF", bold=True, size=11)

for col, header in enumerate(headers, 1):
cell = ws.cell(row=1, column=col, value=header)
cell.fill = header_fill
cell.font = header_font
cell.alignment = Alignment(horizontal="center")

# 填入数据
total_amount = 0
for row_idx, item in enumerate(results, 2):
amount = float(item.get("total_amount") or 0)
total_amount += amount

row_data = [
row_idx - 1,
item.get("file_name", ""),
item.get("invoice_type", ""),
item.get("invoice_date", ""),
item.get("seller_name", ""),
item.get("category", ""),
item.get("description", ""),
amount,
"是" if item.get("need_review") else "否"
]

for col, value in enumerate(row_data, 1):
cell = ws.cell(row=row_idx, column=col, value=value)
cell.alignment = Alignment(horizontal="center")
# 需复核的行标红
if item.get("need_review"):
cell.fill = PatternFill(start_color="FFE0E0", end_color="FFE0E0", fill_type="solid")

# 添加合计行
total_row = len(results) + 2
ws.cell(row=total_row, column=7, value="合计").font = Font(bold=True)
ws.cell(row=total_row, column=8, value=round(total_amount, 2)).font = Font(bold=True, color="CC0000")

# 调整列宽
column_widths = [6, 20, 15, 12, 25, 10, 20, 12, 10]
for col, width in enumerate(column_widths, 1):
ws.column_dimensions[openpyxl.utils.get_column_letter(col)].width = width

wb.save(output_file)
print(f"📊 报销单已生成: {output_file}")
print(f"💰 报销总金额: ¥{round(total_amount, 2)}")

生成报销单
generate_expense_report(all_results)

三段代码，整个流水线就跑通了。

---

三、踩坑指南——我替你交过的"学费"

坑1：发票照片模糊，识别结果一塌糊涂

坑2：金额大小写转换出错

import re

def validate_amount(amount_str):
"""校验金额格式，防止大小写混淆导致的错误"""
if amount_str is None:
return 0.0
# 移除所有非数字和小数点的字符
cleaned = re.sub(r'[^\d.]', '', str(amount_str))
try:
value = float(cleaned)
# 金额合理性校验：单张发票超过5万触发警告
if value > 50000:
print(f"⚠️ 金额异常警告: ¥{value}，请人工核实")
return round(value, 2)
except ValueError:
return 0.0

坑3：增值税专票字段更多，普票Prompt不够用

专票需要额外提取税率、税号、开户行等字段。解法是根据发票类型切换Prompt模板：

PROMPTS = {
"专票": "...（专票专用Prompt，包含税号、税率等字段）...",
"普票": INVOICE_PROMPT,  # 复用上面的Prompt
"出租车票": "...（出租车票专用Prompt）..."
}

坑4：API调用频率限制导致报错

import time
from functools import wraps

def retry_on_failure(max_retries=3, delay=2):
"""自动重试装饰器"""
def decorator(func):
@wraps(func)
def wrapper(args, *kwargs):
for attempt in range(max_retries):
try:
return func(args, *kwargs)
except Exception as e:
if attempt < max_retries - 1:
print(f"第{attempt+1}次失败，{delay}秒后重试...")
time.sleep(delay * (attempt + 1))  # 指数退避
else:
raise e
return wrapper
return decorator

@retry_on_failure(max_retries=3, delay=2)
def recognize_invoice(image_path):
# ... 原来的识别代码 ...

坑5：发票含公司敏感信息，不敢传云端

这是很多人的顾虑，给出两个建议：

1. 本地部署方案：用Ollama跑本地多模态模型（如LLaVA），完全离线处理

2. 脱敏后再传：用PIL对发票图片做局部遮罩，只保留金额、日期等必要字段区域

---

四、举一反三——报销只是开始

搞清楚这套"拍照→识别→结构化→填表"的Agent模式，你会发现它可以平移到几乎所有"重复性信息录入"场景：

• 合同关键条款提取：上传合同PDF，自动提取甲乙方、金额、交付日期、违约条款
• 简历批量筛选：100份简历丢进去，自动按技能标签分类排序
• 体检报告整理：把体检单拍照，自动生成健康数据趋势表
• 银行流水分类：导出流水CSV，自动按消费类别汇总统计

这些场景的代码骨架几乎一模一样，只需要换一个Prompt模板。

如果你想试试不同模型的效果——比如用Claude处理合同（逻辑推理更强）、用Gemini分析体检报告（多模态能力出色）——不需要分别注册三个平台。在 [api.884819.xyz](https://api.884819.xyz) 上切换一下model参数就行，其他代码一行不用改。

---

报销只是最容易被量化的那个切口。真正有趣的，是当你开始用这套框架审视自己工作中所有"重复、低价值、消耗注意力"的环节，然后一个一个地把它们交给AI代劳。

那些省下来的时间，才是你真正的竞争力。

---

🔜 下一篇预告

>

今天我们搞定了"拍照→识别→填表"，但这个流程还差最后一公里——你还得手动把Excel上传到OA系统。

>

下一篇，我们来做一个真正闭环的方案：让AI Agent自动登录你的公司OA系统，把报销单直接提交上去。我会用到Browser Use（浏览器自动化）+ 大模型决策的组合技——AI不只是帮你填表，而是帮你"办事"。这是2025年AI Agent最火的落地方向，也是从"自动化工具"进化为"数字员工"的关键一跳。

>

关注我，别错过。

---