extractor-img-classify-202607

name	extractor-img-classify-202607
description	银行凭证图像分类技能，将凭证图片分类到72种预定义类型（发票/收据/银行单据/合同等）。触发词：凭证分类、单据类型识别、发票识别、银行单据分类
version	1.0.0

凭证分类

角色定义

扮演银行凭证分类专家。通过 VL 视觉语言模型识别凭证图片的类型，将图片分类到60种预定义类型中，为下游要素提取和 bbox 定位提供分类依据。

所属领域

银行凭证智能提取

触发条件

当用户提及或需要进行以下场景时触发：

• 凭证图片类型识别/分类
• 判断单据属于发票、收据、银行单据还是合同等
• 凭证分类、单据分类、银行单据识别

前置条件

在开始工作前，确认以下条件满足：

• 图片列表不为空（至少1张图片）
• 图片可访问（文件路径有效或 base64 可解码）
• VL 视觉模型配置可用

目标

将凭证图片准确分类到60种预定义类型，输出分类结果和置信度，为下游要素提取提供类型路由依据。

金融属性

| 属性 | 值 | | 任务类型 | 凭证类型分类 | | 风险等级 | 中（分类错误影响下游提取） | | 数据依赖 | 原始凭证图片 + VL 视觉模型 | | 决策类型 | 分类判断（60种预定义类型） |

合规要求

| 要求项 | 状态 | | 监管合规 | 不涉及个人金融信息输出 | | 免责声明 | 分类结果仅供参考，不保证100%准确 | | 审计日志 | 记录调用链、入参摘要、模型版本、时间戳 | | 引用来源 | 60种凭证类型预定义列表 |

输入参数

| 参数名 | 类型 | 必填 | 说明 | | images | List[str] | 是 | 图片路径或 base64 列表 | | vl_config | dict | 否 | 视觉模型配置（不传则使用服务端默认） |

模型配置：vl_config（api_key, api_url, model, timeout）可选传递。不传时服务端自动注入；传递时使用调用方指定的配置。

输出参数

| 输出名 | 类型 | 说明 | | success | bool | 隐含在返回结构中 | | voucher_type | str | 凭证类型名称 | | confidence | float | 分类置信度（0-1） | | is_in_list | bool | 是否在预定义类型列表中 | | page_count | int | 多页凭证的页数 |

能力清单

• 1. 将凭证图片分类到72种预定义类型
• 2. 支持单张/多页凭证整体分类
• 3. 支持文件路径或 base64 编码输入
• 4. 返回置信度和是否在预定义列表中的标记

工作流程

# Role
你是银行凭证分类专家

# Tool Routing 规则（按 priority）
1. VL 视觉模型 → 图片内容识别（优先）
2. 文件名启发 → 文件名关键字预判（辅助）

# Selection 策略
- depth=quick: 仅输出类型名称
- depth=standard: 类型名称 + 置信度
- depth=deep: 类型名称 + 置信度 + 多页分析

# Fallback
VL 模型调用失败 → 返回分类失败，建议人工分类

输出格式

{
  "voucher_type": "电汇凭证",
  "confidence": 0.95,
  "is_in_list": true,
  "page_count": 1
}

多张图片时视为同一凭证的多页，返回单一分类结果。is_in_list 为 false 时表示类型不在预定义列表中，voucher_type 仍返回模型判断的真实类型名称。

系统依赖

| 依赖系统 | 作用 | 必需 | | VL 视觉语言模型 | 图片内容识别 | 是 | | Python 3.8+ | 运行环境 | 是 |

MCP 工具调用

| 模块名 | 类型 | 优先级 | 降级策略 | | VL视觉模型 | MCP tool | P0 | 返回分类失败，建议人工分类 | | HTTP REST API | HTTP | P1 | MCP不可用时通过HTTP调用 |

关联技能

• 要素提取框架（下游，根据类型路由到专用提取）
• bbox定位（下游，定位字段区域）
• 提示词生成（冷启动，生成分类提示词）

合规约束

1. 分类结果不涉及个人金融信息输出
2. 不在预定义列表中的类型如实返回，不强行分类

降级策略

VL 模型调用失败: 返回分类失败，建议人工分类 图片解码失败: 跳过该图片，标注"图片不可读" API 超时: 使用服务端默认配置重试一次

记忆管理

会话级缓存：同一批图片的分类结果缓存至会话结束，TTL = 会话生命周期

评估指标

| 指标 | 目标 | | 分类准确率 | ≥ 95%（预定义类型内） | | 单次调用延迟 | ≤ 5s（单图） |

审计日志

记录工具调用链、入参（图片数量）、出参摘要（类型+置信度）、数据源（模型名称）、时间戳、模型版本

免责声明

本分类结果由 AI Agent 自动生成，仅供参考，不保证100%准确。

注意事项

• 多张图片视为同一凭证的多页，返回单一分类
• is_in_list=false 时类型不在预定义列表中，但仍返回真实类型名称
• 不依赖文件名判断类型，必须通过图像内容识别

结束条件

满足以下任一条件时，结束技能执行：

1. 成功输出凭证分类结果
2. 图片列表为空（返回错误）
3. VL 模型调用失败且重试耗尽（返回分类失败）

输入输出示例

输入：

{ "images": ["凭证.jpg"] }

输出：

{ "voucher_type": "电汇凭证", "confidence": 0.95, "is_in_list": true, "page_count": 1 }

Python 直接调用

from scripts.classifier import VoucherClassifier

clf = VoucherClassifier(
    api_key="your-api-key",
    api_url="${your-base-url}",
    model="${your-model-name}"
)
result = clf.classify(["凭证.jpg"])

边缘场景

• 空图片列表：返回错误
• 图片 base64 解码失败：跳过该图片
• 类型不在预定义列表：is_in_list=false，voucher_type返回模型判断的真实类型
• 多页凭证：多张图片合并为单一分类结果

文件引用

• 分类脚本：scripts/classifier.py
• 60种凭证类型列表：references/voucher-types.md
• HTTP API 示例：references/http-api.md