财税服务场景下的
发票 OCR + 政策检索 RAG · 场景方案展示

设想一家服务约 800 家企业的财税机构，34 名会计与税务顾问。这类机构常见的痛点是「为什么招了人还是忙不过来」。拆开看是四件事：每月约 12 万张发票靠人工逐张录入账务系统，月底集中加班；手工录入难免出错，差错率长期在 4% 上下，事后对账返工成本高；客户来问「这笔费用能不能抵扣」「这个税收优惠适不适用」，会计要翻几十份政策文件，平均一次要二十多分钟；不同顾问对同一条政策的理解口径不一致，给客户的答复时有出入。

这类场景的落地路径，第一步不是写代码。合理的做法是和机构负责人、几位资深会计一起，把「收票 → 识别 → 入账 → 复核 → 申报 → 答疑」的完整业务流逐段画清，再抽样真实票据与政策咨询做误差分析。结论通常很明确：能 AI 化的是「票面信息识别 + 政策原文检索定位」，不能 AI 化的是「税务判断与对客户的正式答复」。AI 负责把信息备好、把出处找准，最终的专业判断仍由持证会计来下。

这类场景的落地路径，可以按双周迭代分段上线，每两周和机构负责人对齐一次。第一段是 发票 OCR 自动识别——多种票面统一识别（增值税专票 / 普票 / 电子发票 / 行程单），抽取关键字段并做查验校验；第二段是 自动入账 + 复核工作台——识别结果按规则预匹配科目，自动写入既有账务系统的待审队列，会计只做复核确认而非从头录入；第三段是 税务政策检索 RAG——把政策文件按条款切片建库，问答必须给出政策原文出处，不允许「凭空总结」；第四段是 政策答疑助手——会计在工作台里直接问，AI 给出带出处的草拟答复，由会计审定后再回复客户。

• 模块 1 · 发票 OCR 识别（多票种统一 / 字段抽取 + 查验校验）
• 模块 2 · 自动入账 + 复核工作台（科目预匹配 / 写入账务系统待审队列）
• 模块 3 · 政策检索 RAG（条款级切片 / 强制带原文出处）
• 模块 4 · 政策答疑助手（草拟答复 / 会计审定后回复客户）

这类场景值得守住三条「不做」的边界：不做无出处的政策问答，财税场景里答案错了代价极高，RAG 凡是检索不到明确政策原文就直接说「未找到依据」，绝不让模型自由发挥；不做全自动入账，凡涉及税务判断的科目，AI 只预匹配、不直接过账，最终确认必须由持证会计点；低置信度强制转人工，票面模糊、字段冲突、查验异常的票据自动进人工队列，宁可慢一点也不让错误数据流进账。这三个「不做」，是这一方案能在财税这种零容错场景稳定运行的根本原因。