台灣的收據與發票，直接讀進資料庫

問題

台灣的收據不是一種東西。

電子發票有 QR code 與固定欄位，傳統三聯式發票是印刷格線，手寫收據則是另一個世界——字跡、印章、螢光筆、折痕、拍照角度，每一項都會讓通用 OCR 出錯。

出錯的方式還很討厭：它不會說自己錯了。品項少抓一欄、稅額多一個 0，看起來都很正常，等到對帳才發現。

做法

1. 先把圖修好，再談辨識

影像前處理比模型更關鍵。歪掉的、逆光的、皺掉的單據，先做裁切、透視校正、對比增強，讓模型看到的是「一張正面的、乾淨的紙」。這一步做好，後面的辨識率差距非常明顯。

2. 地端 Qwen 做欄位抽取

模型直接輸出結構化欄位：日期、店家、統編、品項、數量、單價、稅額、總額。

跑在地端不只是為了省 API 費用，而是收據裡有客戶的消費明細，那是不能隨便送出去的資料。

3. 寫回資料庫，而不是丟一個 Excel

辨識完不是產出一份表格讓人工再貼一次。我們把輸出接上一個自動寫入的流程，直接寫進資料庫的對應欄位——會計打開系統，資料已經在裡面。

這個流程的技術形式，是我們替客戶的 AI agent 寫的一個「技能」（skill）：它收到結構化資料後，先驗證統編與日期，再寫進對應的資料表。對使用者來說，它就是「不用再手動輸入」而已。

4. 信心分數決定誰要覆核

低信心的欄位會被標記出來，會計只需要看那幾欄。高信心的直接放行。

結果

人工的角色從「輸入」變成「覆核」。這件事的差別不只是快，而是錯誤會被看見——低信心的欄位一定有人看過，而不是像以前一樣，錯了也要等到月底對帳才爆出來。

我們沒有宣稱「全自動」。單據辨識在台灣的現實是：做得再好，還是會有一小部分需要人看。把它設計成「人看那一小部分」才是可維運的作法。

目前沒做的

• 沒有做手寫金額的專門模型，手寫比例高的單據仍以人工為主
• 沒有做多頁合併（一張收據拍成兩張照片）
• 準確率數字尚未做系統性量測，不敢寫在網站上