dify案例分享-基于多模态模型的发票识别2-多种发票识别

技术

上期文章我们提到使用dify基于多模态模型实现单张发票识别功能。本期文章我们在原有的单张发票识别基础上实现多种发票识别的dify基于工作流的智能体。

下面我们首先介绍一下整体功能。

picture.image

这里面主要功能:用户上传一个发票图片(目前我们这工作流支持6种发票),发票会经过文档提取器。文档提取器提取用户上传的发票传递给llm多模态模型,这个模型的作用是判断这发票是哪个类型的发票,接下来我们会根据条件分支来判断走哪个多模态发票提取的llm大语言模型。其中这6个大语言模型区别就在于他们的系统提示词不一样,主要就是每个发票票面信息不一样。模型会根据不同发票票面信息提示词的不同而有所区别,模型返回的json格式的发票信息在发送给变量聚合器进行出来,处理完成后再发送给用户,整体的功能大概就是这样的。

实现的效果如下:

1 火车票票面识别

picture.image

2.加油站卷式发票

picture.image

下面我们重点介绍一下这个工作流是如何实现的。

创建工作流或者chatflow

接着来到Dify中按下图顺序依次点击并点击创建(注:chatflow和工作流配置基本差不多,下面我们就以chatflow讲解)

picture.image

开始

   开始节点点开后我们需要添加一个文件上传输入参数。点击开始节点输入字段,点击右边的“+”


   ![picture.image](https://p3-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/9f11daf6bbe24b86a3e50a115408d4d4~tplv-tlddhu82om-image.image?=&rk3s=8031ce6d&x-expires=1754709111&x-signature=YHrDthqczfABGMRGJEd%2BNUd1XXM%3D)

我们选择单个文件,输入变量名称、支持的文件类型我们这里就选择图片。其他都可以默认,输入完成后,点击保存按钮

picture.image

以上步骤完成开始节点设置。

picture.image

文档提取器

接下来我们在工作流画布中,选择文档提取器和开始节点连接,去掉llm和开始节点连接

picture.image

picture.image

我们在文档提取器,输入变量中选中 sys.files 变量

picture.image

llm(发票识别判断模型)

接下来我们将文档提取器的连接线和llm大语言模型连接。然后按照以下几个步骤设置

1.模型选择,模型我们在模型下拉列表中选择自定义OpenAI-API-compatible Qwen/Qwen2-VL-72B-Instruct模型;模型最大标记4096

2.上下文,这里设置开始节点file 属性值

3.SYSTEM 提示词 我们输入如下内容

Role: 发票识别专家

Profile

  • 专长: 发票类型识别、图像分析、文字识别
  • 经验: 多年处理各类发票和票据的经验
  • 技能: 精准识别不同类型发票的特征

Goals

  • 根据用户上传的发票图像准确识别发票类型
  • 返回对应的发票类型代码

Rules

  • 仔细分析发票上的所有视觉和文字信息
  • 只返回指定的发票类型代码,不做其他解释
  • 如果无法确定发票类型,返回 "无法识别"

Workflows

  1. 接收用户上传的发票图像
  2. 分析图像中的关键信息和特征
  3. 对比不同类型发票的特征
  4. 确定发票类型
  5. 返回对应的类型代码

Output Format

发票类型代码:

  • 0: 增值税电子发票
  • 1: 电子发票(全电发票)
  • 2: 增值税普通发票-卷票
  • 3: 火车票
  • 4: 新版火车票-铁路电子客票
  • 5: 定额发票

Examples

用户: [上传增值税电子普通发票图像]
特征: 电子版式,有"增值税电子普通发票"字样,含二维码,有密码区,有 "税局监制"字样
AI: 0

用户: [上传电子发票(普通发票)或电子发票(增值税专用发票)图像]
特征: 电子版式,有"电子发票"字样,发票号码长度有20位
AI: 1

用户: [上传增值税普通发票发票联图像]
特征: 纸质卷式,较窄,有"增值税普通发票"字样,通常为红色或蓝色
AI: 2

用户: [上传火车票图像]
特征: 磁性票,较小,包含乘车日期、车次、座位等信息
AI: 3

用户: [上传新版火车票-铁路电子客票图像]
特征: 电子版式,有"电子发票(铁路电子客票)"标志,包含乘车日期、车次、座位等信息,有发票号码,发票号码长度20位
AI: 4

用户: [上传定额发票图像]
特征: 小型纸质票据,预先印制金额,通常用于小额交易
AI: 5

用户: [上传模糊不清的图像]
特征: 图像模糊,无法辨识关键信息
AI: 无法识别

4.视觉 点击右边按钮开启多模态

5 视觉输入变量 选择节点filefiles 变量

以上完成llm模型的设置

picture.image

这个模型的作用是区分判断用户上传的发票是哪个类型,通过多模态模型区分后返回对应的发票种类,我这里设定以下几个类型

0 、增值税专用发票普通发票

1、电子发票(全电发票)

2、增值税普通发票-卷票

3、火车票

4、新版火车票-铁路电子客票 (2024年11月1日 国家全面推广 铁路电子客票作为抵扣报销使用)

5、定额发票

100、无法判断的发票

条件分支

这里我们需要接受上一个llm模型输出的返回值(0、1、2、3、4、5、100),由这个判断条件分支来让流程节点选择下面哪一个发票提取llm多模态大模型

它的设置也比较简单就是 if else , 判断条件这里我们 都选择"包含",详细配置可以看我的这个截图

picture.image

流程节点图如下

picture.image

这里稍微提一下,因为最后发票无法识别,所以我们之间给它做一个直接回复的节点,节点里面填写“未识别出正确的发票信息,请重新输入”

picture.image

发票识别llm多模态模型

上一个条件分支节点连接到这个llm多模态模型中,因为这个需要具体提取发票票面信息的,所以我们这里需要6个多模态模型。每个流程节点配置都是一样的,只是系统提示词有区别,我这里就以一个增值税专用发票普通发票LLM为例给大家介绍

1.模型选择,模型我们在模型下拉列表中选择自定义OpenAI-API-compatible Qwen/Qwen2-VL-72B-Instruct模型;模型最大标记4096

2.上下文,这里设置开始节点file 属性值

3.SYSTEM 提示词 我们输入如下内容

请提取这张照片的内容,其中内容格式‘机器编号’、‘发票代码’、‘发票号码’、‘开票日期’、‘校 验 码’、‘购买方名称’、‘购买方纳税人识别号’、‘购买方地 址、电 话’、‘开户行及账号’、‘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(大写)’、‘价税合计(小写)’、‘销售方名称’、‘销售方纳税人识别号’、‘销售方地 址、电 话’、‘销售方地 址、电 话’、‘开户行及账号’、‘备注’、‘收款人’、‘复核’、‘开票人’ 字段返回信息,返回的结果信息以json格式返回

4.视觉 点击右边按钮开启多模态

5 视觉输入变量 选择节点filefiles 变量

以上完成llm模型的设置

picture.image

其他的提示词我这里也给大家贴一下

电子发票(全电发票)

请提取这张照片的内容,其中内容格式‘发票号码’、‘开票日期’、‘购买方信息名称’、‘购买方统一社会信用代码/纳税人识别号’、‘销售方信息名称’、‘销售方统一社会信用代码/纳税人识别号’、‘项目名称’、‘规格型号’、‘单 位’、‘数 量’、‘单 价’、‘金 额’、‘税率/征收率’、‘税 额’、‘合计’、‘价税合计(大写)’、‘价税合计(小写)’、‘备 注’ 字段返回信息,返回的结果信息以json格式返回

增值税普通发票-卷票

请提取这张照片的内容,其中内容格式‘发票代码’、'发票号码’、'机打号码’、‘机器编号’、‘销售方名称’、‘纳税人识别号’、‘开票日期’、‘收款员’、‘购买方名称’、‘纳税人识别号’、‘项目’、‘单价’、‘数量’、‘金额’、‘合计金额(小写)’、‘合计金额(大写)’、‘校验码’字段返回信息,返回的结果信息以json格式返回

火车票

请提取这张照片的内容,其中内容格式‘始发站’、‘终点站’、‘车次’、‘出发时间’、‘票价’、‘身份证号’、‘姓名’字段返回信息,返回的结果信息以json格式返回

新版火车票-铁路电子客票

请提取这张照片的内容,其中内容格式‘发票号码’、'开票日期’、'‘出发时间’、‘始发站’、‘终点站’、‘车次’、‘票价’、‘身份证号’、‘姓名’、‘电子客票号’、‘购买方名称’、‘统一社会信用代码’字段返回信息,返回的结果信息以json格式返回

定额发票

请提取这张照片的内容,其中内容格式‘发票代码’、'发票号码’、'金额’字段返回信息,返回的结果信息以json格式返回

如果需要在增加发票识别 可以根据上面操作步骤新增一个多模态识别模型以及编写 新的提示词即可。

变量聚合器

这个变量聚合器是干啥的呢?大家发现没有6个多模态发票识别的输出结构其实是一样的,只是它的内容有所区别。因为后面我们是需要输出给用户的,所以这里我们就用变量聚合器把llm大语言模型提取发票的结果统一输出到一个变量聚合器里面。它的配置也很简单接受上一个流程输出结果即可

picture.image

如果没有变量聚合器就会变成我之前配置的那个流程了,给大家看一下我之前的那个流程吧。

picture.image

直接回复

接下来我们将变量聚合器连接到直接回复的输出节点。

这个地方设置比较简单,在回复设置一下llm text文本输出以及 开始节点file 输出,这样设置后。就会将发票提取的票面信息以json格式的文本信息返回,并将上传的发票图片信息一并返回给用户

picture.image

通过以上方式我们就初步完成了整个chatflow工作流。

完整的dsl也发给大家把

app:
description: ''
icon: 🤖
icon_background: '#FFEAD5'
mode: advanced-chat
name: 发票提取小工具整合版-变量聚合器
use_icon_as_answer_icon: false
kind: app
version: 0.1.2
workflow:
conversation_variables: []
environment_variables: []
features:
file_upload:
allowed_file_extensions:
- .JPG
- .JPEG
- .PNG
- .GIF
- .WEBP
- .SVG
allowed_file_types:
- image
allowed_file_upload_methods:
- local_file
- remote_url
enabled: false
image:
enabled: false
number_limits: 3
transfer_methods:
- local_file
- remote_url
number_limits: 3
opening_statement: ''
retriever_resource:
enabled: true
sensitive_word_avoidance:
enabled: false
speech_to_text:
enabled: false
suggested_questions: []
suggested_questions_after_answer:
enabled: false
text_to_speech:
enabled: false
language: ''
voice: ''
graph:
edges:

  • data:
    isInIteration: false
    sourceType: start
    targetType: document-extractor
    id: 1729851066338-source-1729851603790-target
    selected: false
    source: '1729851066338'
    sourceHandle: source
    target: '1729851603790'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: document-extractor
    targetType: llm
    id: 1729851603790-source-llm-target
    selected: false
    source: '1729851603790'
    sourceHandle: source
    target: llm
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: llm
    targetType: if-else
    id: llm-source-1730191858003-target
    selected: false
    source: llm
    sourceHandle: source
    target: '1730191858003'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: if-else
    targetType: llm
    id: 1730191858003-true-1730191979948-target
    selected: false
    source: '1730191858003'
    sourceHandle: 'true'
    target: '1730191979948'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: if-else
    targetType: llm
    id: 1730191858003-98657baa-79e3-4af1-9b19-3daa149c0fab-17301921619230-target
    selected: false
    source: '1730191858003'
    sourceHandle: 98657baa-79e3-4af1-9b19-3daa149c0fab
    target: '17301921619230'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: if-else
    targetType: llm
    id: 1730191858003-dafa44fc-1c33-4060-a68a-38c5850bda96-17301923168610-target
    selected: false
    source: '1730191858003'
    sourceHandle: dafa44fc-1c33-4060-a68a-38c5850bda96
    target: '17301923168610'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: if-else
    targetType: llm
    id: 1730191858003-2d44a634-2764-4287-84a7-964fae566d5d-17301924021390-target
    selected: false
    source: '1730191858003'
    sourceHandle: 2d44a634-2764-4287-84a7-964fae566d5d
    target: '17301924021390'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: if-else
    targetType: llm
    id: 1730191858003-e0a31ca5-21fa-4ec3-8c89-734c40116f8f-17301924991430-target
    selected: false
    source: '1730191858003'
    sourceHandle: e0a31ca5-21fa-4ec3-8c89-734c40116f8f
    target: '17301924991430'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: if-else
    targetType: llm
    id: 1730191858003-fa4e8d8d-b178-415a-8c86-2d211b380df7-17301925812850-target
    selected: false
    source: '1730191858003'
    sourceHandle: fa4e8d8d-b178-415a-8c86-2d211b380df7
    target: '17301925812850'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: if-else
    targetType: answer
    id: 1730191858003-false-1730192759530-target
    source: '1730191858003'
    sourceHandle: 'false'
    target: '1730192759530'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: llm
    targetType: variable-aggregator
    id: 1730191979948-source-1730214844929-target
    source: '1730191979948'
    sourceHandle: source
    target: '1730214844929'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: llm
    targetType: variable-aggregator
    id: 17301921619230-source-1730214844929-target
    source: '17301921619230'
    sourceHandle: source
    target: '1730214844929'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: llm
    targetType: variable-aggregator
    id: 17301923168610-source-1730214844929-target
    source: '17301923168610'
    sourceHandle: source
    target: '1730214844929'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: llm
    targetType: variable-aggregator
    id: 17301924021390-source-1730214844929-target
    source: '17301924021390'
    sourceHandle: source
    target: '1730214844929'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: llm
    targetType: variable-aggregator
    id: 17301924991430-source-1730214844929-target
    source: '17301924991430'
    sourceHandle: source
    target: '1730214844929'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: llm
    targetType: variable-aggregator
    id: 17301925812850-source-1730214844929-target
    source: '17301925812850'
    sourceHandle: source
    target: '1730214844929'
    targetHandle: target
    type: custom
    zIndex: 0

  • data:
    isInIteration: false
    sourceType: variable-aggregator
    targetType: answer
    id: 1730214844929-source-1730214939964-target
    source: '1730214844929'
    sourceHandle: source
    target: '1730214939964'
    targetHandle: target
    type: custom
    zIndex: 0
    nodes:

  • data:
    desc: ''
    selected: false
    title: 开始
    type: start
    variables:

    • allowed_file_extensions: []
      allowed_file_types:
      • image
        allowed_file_upload_methods:
      • local_file
      • remote_url
        label: file
        max_length: 48
        options: []
        required: true
        type: file
        variable: file
        height: 90
        id: '1729851066338'
        position:
        x: -126.67275943419781
        y: 283
        positionAbsolute:
        x: -126.67275943419781
        y: 283
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    context:
    enabled: true
    variable_selector:
    - '1729851066338'
    - file
    desc: 发票识别判断模型
    memory:
    query_prompt_template: ''
    role_prefix:
    assistant: ''
    user: ''
    window:
    enabled: false
    size: 10
    model:
    completion_params:
    temperature: 0.7
    mode: chat
    name: Qwen/Qwen2-VL-72B-Instruct
    provider: openai_api_compatible
    prompt_template:

    • id: 994d57b8-32bc-45cd-b30a-4a1481553627
      role: system
      text: '# Role: 发票识别专家

      Profile

      • 专长: 发票类型识别、图像分析、文字识别

      • 经验: 多年处理各类发票和票据的经验

      • 技能: 精准识别不同类型发票的特征

      Goals

      • 根据用户上传的发票图像准确识别发票类型

      • 返回对应的发票类型代码

      Rules

      • 仔细分析发票上的所有视觉和文字信息

      • 只返回指定的发票类型代码,不做其他解释

      • 如果无法确定发票类型,返回 "无法识别"

      Workflows

      1. 接收用户上传的发票图像

      2. 分析图像中的关键信息和特征

      3. 对比不同类型发票的特征

      4. 确定发票类型

      5. 返回对应的类型代码

      Output Format

      发票类型代码:

      • 0: 增值税电子发票

      • 1: 电子发票(全电发票)

      • 2: 增值税普通发票-卷票

      • 3: 火车票

      • 4: 新版火车票-铁路电子客票

      • 5: 定额发票

      Examples

      用户: [上传增值税电子普通发票图像]

      特征: 电子版式,有"增值税电子普通发票"字样,含二维码,有密码区,有 "税局监制"字样

      AI: 0

      用户: [上传电子发票(普通发票)或电子发票(增值税专用发票)图像]

      特征: 电子版式,有"电子发票"字样,发票号码长度有20位

      AI: 1

      用户: [上传增值税普通发票发票联图像]

      特征: 纸质卷式,较窄,有"增值税普通发票"字样,通常为红色或蓝色

      AI: 2

      用户: [上传火车票图像]

      特征: 磁性票,较小,包含乘车日期、车次、座位等信息

      AI: 3

      用户: [上传新版火车票-铁路电子客票图像]

      特征: 电子版式,有"电子发票(铁路电子客票)"标志,包含乘车日期、车次、座位等信息,有发票号码,发票号码长度20位

      AI: 4

      用户: [上传定额发票图像]

      特征: 小型纸质票据,预先印制金额,通常用于小额交易

      AI: 5

      用户: [上传模糊不清的图像]

      特征: 图像模糊,无法辨识关键信息

      AI: 无法识别'
      selected: false
      title: LLM
      type: llm
      variables: []
      vision:
      configs:
      detail: high
      variable_selector:

      • '1729851066338'
      • file
        enabled: true
        height: 126
        id: llm
        position:
        x: 553
        y: 292.00000000000006
        positionAbsolute:
        x: 553
        y: 292.00000000000006
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    desc: ''
    is_array_file: true
    selected: false
    title: 文档提取器
    type: document-extractor
    variable_selector:

    • sys
    • files
      height: 94
      id: '1729851603790'
      position:
      x: 245
      y: 283
      positionAbsolute:
      x: 245
      y: 283
      selected: false
      sourcePosition: right
      targetPosition: left
      type: custom
      width: 244
  • data:
    cases:

    • case_id: 'true'
      conditions:
      • comparison_operator: contains
        id: aec2b72e-7d06-41ea-b86e-6d3c7e803811
        value: '0'
        varType: string
        variable_selector:
        • llm
        • text
          id: 'true'
          logical_operator: or
    • case_id: 98657baa-79e3-4af1-9b19-3daa149c0fab
      conditions:
      • comparison_operator: contains
        id: 083411ab-178c-4461-b356-55fece233c6f
        value: '1'
        varType: string
        variable_selector:
        • llm
        • text
          id: 98657baa-79e3-4af1-9b19-3daa149c0fab
          logical_operator: and
    • case_id: dafa44fc-1c33-4060-a68a-38c5850bda96
      conditions:
      • comparison_operator: contains
        id: 3ab9cfbc-791b-4d8f-a4ff-c8ebe3fb9d93
        value: '2'
        varType: string
        variable_selector:
        • llm
        • text
          id: dafa44fc-1c33-4060-a68a-38c5850bda96
          logical_operator: and
    • case_id: 2d44a634-2764-4287-84a7-964fae566d5d
      conditions:
      • comparison_operator: contains
        id: 6ec008b1-ca33-489f-bcef-816dca204eb1
        value: '3'
        varType: string
        variable_selector:
        • llm
        • text
          id: 2d44a634-2764-4287-84a7-964fae566d5d
          logical_operator: and
    • case_id: e0a31ca5-21fa-4ec3-8c89-734c40116f8f
      conditions:
      • comparison_operator: contains
        id: 180c7bdf-a872-4835-ba64-d149184e0000
        value: '4'
        varType: string
        variable_selector:
        • llm
        • text
          id: e0a31ca5-21fa-4ec3-8c89-734c40116f8f
          logical_operator: and
    • case_id: fa4e8d8d-b178-415a-8c86-2d211b380df7
      conditions:
      • comparison_operator: contains
        id: 6a8b04c7-a0dc-4c01-8094-66df3eb6b1f7
        value: '5'
        varType: string
        variable_selector:
        • llm
        • text
          id: fa4e8d8d-b178-415a-8c86-2d211b380df7
          logical_operator: and
    • case_id: 837ffce9-f087-4457-b133-ee0886df34a6
      conditions:
      • comparison_operator: contains
        id: fb1e1d2f-2fdd-4ce2-8ce5-0f194281b501
        value: '100'
        varType: string
        variable_selector:
        • llm
        • text
          id: 837ffce9-f087-4457-b133-ee0886df34a6
          logical_operator: and
          desc: ''
          selected: false
          title: 条件分支
          type: if-else
          height: 414
          id: '1730191858003'
          position:
          x: 830
          y: 233
          positionAbsolute:
          x: 830
          y: 233
          selected: false
          sourcePosition: right
          targetPosition: left
          type: custom
          width: 244
  • data:
    context:
    enabled: true
    variable_selector:
    - '1729851066338'
    - file
    desc: 增值税专用发票普通发票提取模型
    model:
    completion_params:
    temperature: 0.7
    mode: chat
    name: Qwen/Qwen2-VL-72B-Instruct
    provider: openai_api_compatible
    prompt_template:

    • id: fef27062-3a9f-4d92-8a59-0902e9c80e87
      role: system
      text: 请提取这张照片的内容,其中内容格式‘机器编号’、‘发票代码’、‘发票号码’、‘开票日期’、‘校 验 码’、‘购买方名称’、‘购买方纳税人识别号’、‘购买方地
      址、电 话’、‘开户行及账号’、‘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(大写)’、‘价税合计(小写)’、‘销售方名称’、‘销售方纳税人识别号’、‘销售方地 址、电 话’、‘销售方地 址、电 话’、‘开户行及账号’、‘备注’、‘收款人’、‘复核’、‘开票人’
      字段返回信息,返回的结果信息以json格式返回
      selected: false
      title: 增值税专用发票普通发票
      type: llm
      variables: []
      vision:
      configs:
      detail: high
      variable_selector:
      • '1729851066338'
      • file
        enabled: true
        height: 126
        id: '1730191979948'
        position:
        x: 1221
        y: 153
        positionAbsolute:
        x: 1221
        y: 153
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    context:
    enabled: true
    variable_selector:
    - '1729851066338'
    - file
    desc: 电子发票(全电发票)提取模型
    model:
    completion_params:
    temperature: 0.7
    mode: chat
    name: Qwen/Qwen2-VL-72B-Instruct
    provider: openai_api_compatible
    prompt_template:

    • id: fef27062-3a9f-4d92-8a59-0902e9c80e87
      role: system
      text: 请提取这张照片的内容,其中内容格式‘发票号码’、‘开票日期’、‘购买方信息名称’、‘购买方统一社会信用代码/纳税人识别号’、‘销售方信息名称’、‘销售方统一社会信用代码/纳税人识别号’、‘项目名称’、‘规格型号’、‘单
      位’、‘数 量’、‘单 价’、‘金 额’、‘税率/征收率’、‘税 额’、‘合计’、‘价税合计(大写)’、‘价税合计(小写)’、‘备 注’ 字段返回信息,返回的结果信息以json格式返回
      selected: false
      title: 电子发票(全电发票)
      type: llm
      variables: []
      vision:
      configs:
      detail: high
      variable_selector:
      • '1729851066338'
      • file
        enabled: true
        height: 126
        id: '17301921619230'
        position:
        x: 1209.0000000000002
        y: 321.9999999999999
        positionAbsolute:
        x: 1209.0000000000002
        y: 321.9999999999999
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    context:
    enabled: true
    variable_selector:
    - '1729851066338'
    - file
    desc: 增值税普通发票-卷票提取模型
    model:
    completion_params:
    temperature: 0.7
    mode: chat
    name: Qwen/Qwen2-VL-72B-Instruct
    provider: openai_api_compatible
    prompt_template:

    • id: fef27062-3a9f-4d92-8a59-0902e9c80e87
      role: system
      text: 请提取这张照片的内容,其中内容格式‘发票代码’、'发票号码’、'机打号码’、‘机器编号’、‘销售方名称’、‘纳税人识别号’、‘开票日期’、‘收款员’、‘购买方名称’、‘纳税人识别号’、‘项目’、‘单价’、‘数量’、‘金额’、‘合计金额(小写)’、‘合计金额(大写)’、‘校验码’字段返回信息,返回的结果信息以json格式返回
      selected: false
      title: 增值税普通发票-卷票
      type: llm
      variables: []
      vision:
      configs:
      detail: high
      variable_selector:
      • '1729851066338'
      • file
        enabled: true
        height: 126
        id: '17301923168610'
        position:
        x: 1209.0000000000002
        y: 479.9999999999999
        positionAbsolute:
        x: 1209.0000000000002
        y: 479.9999999999999
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    context:
    enabled: true
    variable_selector:
    - '1729851066338'
    - file
    desc: 火车票提取模型
    model:
    completion_params:
    temperature: 0.7
    mode: chat
    name: Qwen/Qwen2-VL-72B-Instruct
    provider: openai_api_compatible
    prompt_template:

    • id: fef27062-3a9f-4d92-8a59-0902e9c80e87
      role: system
      text: 请提取这张照片的内容,其中内容格式‘始发站’、‘终点站’、‘车次’、‘出发时间’、‘票价’、‘身份证号’、‘姓名’字段返回信息,返回的结果信息以json格式返回
      selected: false
      title: 火车票
      type: llm
      variables: []
      vision:
      configs:
      detail: high
      variable_selector:
      • '1729851066338'
      • file
        enabled: true
        height: 126
        id: '17301924021390'
        position:
        x: 1214.0000000000002
        y: 631.9999999999999
        positionAbsolute:
        x: 1214.0000000000002
        y: 631.9999999999999
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    context:
    enabled: true
    variable_selector:
    - '1729851066338'
    - file
    desc: 新版火车票-铁路电子客票提取模型
    model:
    completion_params:
    temperature: 0.7
    mode: chat
    name: Qwen/Qwen2-VL-72B-Instruct
    provider: openai_api_compatible
    prompt_template:

    • id: fef27062-3a9f-4d92-8a59-0902e9c80e87
      role: system
      text: 请提取这张照片的内容,其中内容格式‘发票号码’、'开票日期’、'‘出发时间’、‘始发站’、‘终点站’、‘车次’、‘票价’、‘身份证号’、‘姓名’、‘电子客票号’、‘购买方名称’、‘统一社会信用代码’字段返回信息,返回的结果信息以json格式返回
      selected: false
      title: 新版火车票-铁路电子客票
      type: llm
      variables: []
      vision:
      configs:
      detail: high
      variable_selector:
      • '1729851066338'
      • file
        enabled: true
        height: 126
        id: '17301924991430'
        position:
        x: 1209.0000000000002
        y: 783.9999999999998
        positionAbsolute:
        x: 1209.0000000000002
        y: 783.9999999999998
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    context:
    enabled: true
    variable_selector:
    - '1729851066338'
    - file
    desc: 定额发票提取模型
    model:
    completion_params:
    temperature: 0.7
    mode: chat
    name: Qwen/Qwen2-VL-72B-Instruct
    provider: openai_api_compatible
    prompt_template:

    • id: fef27062-3a9f-4d92-8a59-0902e9c80e87
      role: system
      text: 请提取这张照片的内容,其中内容格式‘发票代码’、'发票号码’、'金额’字段返回信息,返回的结果信息以json格式返回
      selected: false
      title: 定额发票
      type: llm
      variables: []
      vision:
      configs:
      detail: high
      variable_selector:
      • '1729851066338'
      • file
        enabled: true
        height: 126
        id: '17301925812850'
        position:
        x: 1214.0000000000002
        y: 938.3364999044305
        positionAbsolute:
        x: 1214.0000000000002
        y: 938.3364999044305
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    answer: 未识别出正确的发票信息,请重新输入
    desc: ''
    selected: false
    title: 直接回复 2
    type: answer
    variables: []
    height: 100
    id: '1730192759530'
    position:
    x: 812.5890019963585
    y: 783.9999999999998
    positionAbsolute:
    x: 812.5890019963585
    y: 783.9999999999998
    selected: false
    sourcePosition: right
    targetPosition: left
    type: custom
    width: 244

  • data:
    desc: ''
    output_type: string
    selected: false
    title: 变量聚合器
    type: variable-aggregator
    variables:

      • '1730191979948'
      • text
      • '17301921619230'
      • text
      • '17301923168610'
      • text
      • '17301924021390'
      • text
      • '17301924991430'
      • text
      • '17301925812850'
      • text
        height: 242
        id: '1730214844929'
        position:
        x: 1586.6429784410195
        y: 455.35189817802376
        positionAbsolute:
        x: 1586.6429784410195
        y: 455.35189817802376
        selected: false
        sourcePosition: right
        targetPosition: left
        type: custom
        width: 244
  • data:
    answer: '{{#1730214844929.output#}}

     {{#1729851066338.file#}}'  
    

    desc: ''
    selected: false
    title: 直接回复 2
    type: answer
    variables: []
    height: 122
    id: '1730214939964'
    position:
    x: 1890.6429784410195
    y: 455.35189817802376
    positionAbsolute:
    x: 1890.6429784410195
    y: 455.35189817802376
    selected: true
    sourcePosition: right
    targetPosition: left
    type: custom
    width: 244
    viewport:
    x: -433.2981524469435
    y: -171.82156310876098
    zoom: 0.7578582832552

chatflow调试及发布

完成以上配置后就可以点击调试及发布了,当然如果你比较偷懒,也可以直接导入我的DSL 直接就可以搞定了。

picture.image

picture.image

导入DSL后,是需要修改工作流中的模型就可以了,我这里推荐大家使用硅基流动的提供的Qwen/Qwen2-VL-72B-Instruct模型,这个模型目前在上海人工智能实验室推出的CompassRank评测多模态大模型中排名第一

picture.image

如果大家没有硅基流动的账号,可以点击https://cloud.siliconflow.cn/i/e0f6GCrN 地址来注册,目前硅基的政策是新户注册送14块钱,14块钱够玩一阵子了。

下面我们就感受一下测试效果

picture.image

发布

点击工作流左上角发布按钮对外提供发布

picture.image

我们将分享的地址发送给其他小伙伴

picture.image

我们点击 start chat 就可以使用了。

picture.image

总结

目前dify官方最新版本升级到0.10.1版本 开始支持文件上传,图片上传等功能了。另外硅基流动大概在2024年10月18日上线了阿里和书生的多模态模型。

今天我们就带大家在上个文章中单个发票识别扩展到多个发票识别功能来感受一下dify的强大。感兴趣的小伙伴可以持续关注我的文章,今天的分享就到这里,我们下个文章见。

项目体验地址

http://101.126.84.227:88/chat/0B2rdbmTSWsRfIVD

0
0
0
0
关于作者

文章

0

获赞

0

收藏

0

相关资源
边缘云趋势展望:AI时代的基础设施
《火山引擎边缘云,AI时代的基础设施》 刘浩 | 火山引擎边缘云高级产品总监
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论