扣子（Coze）进阶：电子发票智能归档飞书表格，财务效率翻倍指南

1. 从财务的“发票地狱”到智能归档：为什么你需要这个工作流

如果你是一名财务人员，或者经常需要处理报销、对账，那你一定对下面这个场景不陌生：邮箱里塞满了各种格式的电子发票PDF和图片，微信群里时不时弹出同事发来的报销凭证。你的任务就是把这些文件一张张打开，像玩“大家来找茬”一样，从密密麻麻的信息里，手动摘出开票日期、发票号码、销售方、金额、税额这些关键信息，再复制粘贴到Excel或者飞书表格里。一天处理几十张发票下来，眼睛花了，脖子僵了，还特别容易看串行、输错数字，月底对账时发现差了几毛钱，又得从头翻一遍，简直是精神和体力的双重折磨。

我管这叫“发票地狱”。几年前我自己创业，兼任公司财务，就深陷其中。直到我开始接触AI自动化工具，尤其是扣子（Coze）之后，才发现原来这些重复、枯燥且易错的工作，完全可以交给机器。今天我要分享的，就是一个我打磨了很长时间的“财务神器”——一个基于扣子工作流搭建的电子发票智能归档系统。它的核心目标就一个：把你丢给它的任何格式的电子发票（PDF或图片），自动识别、提取关键信息，并整整齐齐地归档到你指定的飞书表格里，全程零手动输入，准确率极高。

你可能会问，市面上不是有OCR（光学字符识别）软件吗？没错，但普通的OCR只是把图片上的文字识别出来，变成一堆杂乱无章的文本。你需要的是结构化数据：识别出来的“2024年5月20日”要自动填到“开票日期”栏，“¥128.50”要准确地拆分成“金额”和“税额”。这正是扣子工作流的强大之处：它把强大的多模态大模型（能看懂图片和PDF里的文字和版式）和灵活的流程编排结合在了一起。大模型负责像人一样“理解”发票内容，工作流则负责把理解后的结果，按照你设定的格式，自动写入飞书表格。

这个方案特别适合中小团队、自由职业者或者部门内的报销专员。它不需要你懂复杂的编程，在扣子的可视化界面里拖拖拽拽就能搭建起来。一旦搭好，你就拥有了一个7x24小时不知疲倦的财务助理。接下来，我就带你一步步拆解这个工作流，从原理到实操，从踩坑到优化，让你也能亲手打造出这个效率翻倍的利器。

2. 核心武器库：认识工作流中的每个“齿轮”

在动手搭建之前，我们得先搞清楚这个自动化流水线里都有哪些关键部件，以及它们各自扮演什么角色。你可以把整个工作流想象成一个智能工厂的流水线，发票文件是原材料，飞书表格里的规整记录是成品。

### 2.1 起点与终点：“开始”节点与飞书表格

一切从“开始”节点出发。这里我们需要定义两个最重要的输入参数，相当于给流水线设定好原料入口和成品仓库地址。

• feishu_table_url：这是你的飞书多维表格的完整URL。重要提示：你必须提前在飞书里创建好一个表格，并且设计好表头。通常，我会建议包含这些列：发票号码、开票日期、销售方名称、购买方名称、金额（不含税）、税率、税额、价税合计、发票类型、归档时间。把浏览器地址栏的链接复制过来就行。
• files：这里接受一个文件列表，类型是Array<File>。这意味着你可以一次性上传多张发票图片或PDF文件，系统会批量处理，效率倍增。

终点就是飞书表格本身。当工作流跑完，你打开那个表格链接，就会看到新增了几行数据，所有发票信息都各就各位。

### 2.2 识别引擎：“链接读取”与“大模型”节点

原材料（发票文件）进入流水线，第一步是“拆包”并“理解内容”。

• “链接读取”插件：这个节点就像一个文件内容提取器。它接收files列表，无论是图片还是PDF，都能将其转换成后续节点可以处理的文本内容。这里的关键是选择“批处理”模式，并把url字段关联到files列表中的每一项（item1）。这样，无论你上传多少文件，它都能逐个处理。

• “大模型”节点：这是整个系统的“大脑”，也是精度高低的关键。我实测下来，扣子平台上的DeepSeek-V3或GPT-4V模型在发票识别上表现非常稳定。这个节点的任务很明确：你给它一段从发票里提取出来的原始文本（可能顺序是乱的，夹杂着无关信息），它需要根据你的指令，精准地找出所需字段，并以严格的格式输出。这里的“系统提示词”和“用户提示词”是核心机密，直接决定了识别效果。我优化后的提示词会明确告诉模型：“你是一个专业的发票信息提取助手。请从用户提供的发票文本中，提取以下字段：发票号码、开票日期、销售方、购买方、金额、税额、价税合计。如果任何字段找不到，请输出‘无’。请以严格的JSON格式输出，例如：{“invoice_number”: “12345678”, “date”: “2024-05-20”…}” 通过这样精确的指令，大模型输出的就不再是散文，而是规整的数据结构了。

### 2.3 装配流水线：“循环”与“代码”节点

“大脑”输出了一堆结构化的数据（比如一个包含多条发票信息的JSON数组），我们需要把这些数据一个个加工成飞书表格能接受的格式。

• “循环”节点：顾名思义，它用来遍历大模型输出的结果列表。假设一次处理了5张发票，大模型节点会输出一个包含5个元素的数组。循环节点会把这个数组拆开，一次只处理一个元素（一张发票的信息），然后传递给下一个环节。这里“并行运行数量”设为1更稳定，避免对飞书API造成并发压力。
• “代码”节点：这是工作流中唯一需要写一点点代码的地方，但别怕，代码我已经帮你写好了。循环节点每次吐出一条发票信息的JSON，代码节点的任务就是把这个JSON对象，转换成飞书多维表格新增记录所需的特定数据结构。飞书API要求的数据格式是{“fields”: {“列名1”: “值1”, “列名2”: “值2”}}。所以，代码节点里的Python脚本，就是做一个简单的映射：把JSON里的invoice_number映射到飞书表格的“发票号码”列。这个节点是连接AI识别结果和外部系统（飞书）的桥梁。

### 2.4 入库机械臂：“飞书多维表格”插件

经过代码节点的格式化，数据已经准备好了。最后一步就是由“飞书多维表格”插件这个机械臂，把数据记录“抓取”并“放置”到飞书表格的末尾。你需要在这里配置app_token（从飞书表格的URL中可以解析出来，或者通过飞书开放平台获取），并将records字段指向代码节点的输出。配置成功后，每次执行工作流，这里就会发起一次API调用，向你的表格新增一行数据。

3. 手把手搭建：从零到一的详细配置指南

理论讲完了，我们进入实战环节。我会假设你已经有了一个扣子账号和一个飞书账号，我们从一张空白的画布开始，还原整个搭建过程。

### 3.1 第一步：创建你的飞书表格模板

在扣子里操作之前，先要把“仓库”建好。打开飞书，进入云文档，创建一个新的多维表格。我建议你按照下面这个结构来设计列，这能覆盖绝大多数增值税普通发票和专用发票的信息：

创建好后，复制浏览器地址栏的URL备用。这个URL看起来像https://your-domain.feishu.cn/base/xxxxxxxxxx。

### 3.2 第二步：在扣子中创建工作流并配置输入

1. 进入扣子平台，点击“创建” -> “工作流”。
2. 从左侧节点库中，拖出一个“开始”节点到画布。
3. 选中“开始”节点，在右侧参数面板，点击“添加输入参数”。
   • 第一个参数：名称填feishu_table_url，类型选择“文本”，描述可以写“飞书表格的完整URL”。
   • 第二个参数：名称填files，类型务必选择Array<File>，描述写“待处理的电子发票文件列表（支持图片和PDF）”。
4. 这样，工作流的入口就定义好了。运行工作流时，你就需要提供这两个参数。

### 3.3 第三步：配置发票内容提取链条

1. 添加“链接读取”插件：从插件区找到“链接读取”，拖到“开始”节点后面并连接。在节点配置中：

   • “单次/批处理”选择“批处理”。
   • 在“item1”处，点击引用，选择“开始”节点的files变量。
   • 在“url”处，同样点击引用，但这次选择本节点上方的item1。这个设置的意思是：循环处理files数组里的每一个文件，并将其内容读取出来。

2. 添加“大模型”节点：从基础节点拖出“大模型”节点，连接到“链接读取”之后。

   • “单次/批处理”同样选择“批处理”。
   • “模型”选择：我强烈推荐DeepSeek-V3，它在中文发票识别和JSON格式遵从性上性价比很高。如果追求极致精度，可以选GPT-4系列。
   • “item1”处，引用“链接读取”节点输出的outputList。
   • “input”处，引用本节点自身的item1。
   • 最关键的系统提示词：在“系统提示词”框中，粘贴以下内容（这是我经过大量测试优化后的版本）：

   你是一个专业的财务发票信息提取专家。你的任务是从用户提供的发票文本中，准确提取出以下字段信息。请严格遵循以下规则：

   1. 只提取以下字段：invoice_number(发票号码),date(开票日期，格式化为YYYY-MM-DD),seller(销售方名称),buyer(购买方名称),amount(不含税金额，数字),tax_rate(税率，小数形式如0.13),tax_amount(税额，数字),total(价税合计，数字),type(发票类型，如：增值税专用发票、增值税普通发票)。
   2. 输出必须且只能是合法的JSON对象，不要有任何额外的解释、标记或换行。
   3. 如果某个字段在文本中明确找不到，其值设为“无”。
   4. 金额类数字请去除“¥”等货币符号，只保留纯数字。
   5. 日期请统一转换为“2024-05-20”这样的格式。

   • 用户提示词：在“用户提示词”框中，简单地写：请提取以下发票信息：{{input}}

   这个配置让大模型扮演一个高度专业且守规矩的数据提取员，确保输出格式的纯净。

### 3.4 第四步：配置数据转换与写入链条

1. 添加“循环”节点：从“业务逻辑”中拖出“循环”节点，连接在“大模型”节点之后。

   • “并行运行数量”填1。
   • “批处理次数上限”填一个足够大的数，比如100。
   • “item”处，引用“大模型”节点输出的outputList。这样，大模型批量识别出的多条发票JSON数据，会在这里被一条条拆开处理。

2. 添加“代码”节点：从“业务逻辑”中拖出“代码”节点，连接到“循环”节点内部（通常循环节点会有一个“循环体”区域，将代码节点拖入其中）。

   • “语言”选择Python。
   • “input”处，引用“循环”节点每次循环输出的output（即单条发票JSON）。
   • 在代码编辑器中，粘贴以下Python脚本：

   # 输入是单条发票信息的JSON字符串 import json # 解析输入 invoice_data = json.loads(input) # 构建飞书多维表格所需的records格式 # 注意：这里的字段名（如“发票号码”）必须和你飞书表格的列名完全一致！ record = { "fields": { "发票号码": invoice_data.get("invoice_number", "无"), "开票日期": invoice_data.get("date", "无"), "销售方名称": invoice_data.get("seller", "无"), "购买方名称": invoice_data.get("buyer", "无"), "金额（不含税）": float(invoice_data.get("amount", 0)) if invoice_data.get("amount", "无") != "无" else None, "税率": float(invoice_data.get("tax_rate", 0)) if invoice_data.get("tax_rate", "无") != "无" else None, "税额": float(invoice_data.get("tax_amount", 0)) if invoice_data.get("tax_amount", "无") != "无" else None, "价税合计": float(invoice_data.get("total", 0)) if invoice_data.get("total", "无") != "无" else None, "发票类型": invoice_data.get("type", "无") } } # 输出一个包含单条记录的列表，符合飞书插件预期 records = [record] # 输出 output = { "records": records }

   这段代码的作用就是“翻译”，把我们的通用JSON格式，“翻译”成飞书表格API能听懂的“方言”。

3. 添加“飞书多维表格”插件：在插件区找到“飞书多维表格”，拖到循环体外（与循环节点并列），用于接收循环处理完的所有结果。

   • “操作”选择“新增记录”。
   • app_token的获取需要一点步骤：你需要进入飞书开放平台，创建一个应用，并获取该应用的app_token。更简单的方法是，在扣子插件配置时，它通常会引导你通过OAuth授权，授权成功后会自动填充。你也可以手动从飞书表格的URL中解析出base_token来使用。
   • records处，引用“代码”节点输出的records变量。

### 3.5 第五步：连接与测试

最后，从“开始”节点拉出一条线，连接到“链接读取”节点，启动整个流程。再从“飞书多维表格”节点拉出一条线，连接到一个“结束”节点。在“结束”节点，你可以设置一个输出，比如引用feishu_table_url，这样每次运行完，你都能直接点击链接查看结果。

点击工作流右上角的“运行”，在弹出的窗口里粘贴你的飞书表格URL，并上传几张测试用的发票图片或PDF。如果一切配置正确，几十秒后，你就能在飞书表格里看到自动新增的、信息完整的记录了！

4. 避坑指南与高阶优化技巧

第一次搭建成功并成功运行，成就感满满。但要想让这个系统在生产环境中稳定、高效地运行，还需要注意下面这些我踩过坑才总结出来的细节。

### 4.1 常见问题与排查

• 问题一：大模型节点报错或输出格式混乱。
  • 原因：提示词不够精确，或者发票图片质量太差（如拍摄模糊、有遮挡）。
  • 解决：首先，反复优化你的系统提示词，用更严厉的措辞要求JSON格式，比如加上“输出必须是纯JSON，不能包含json等标记”。其次，确保上传的发票文件清晰可辨。对于PDF，如果是扫描件而非文本型PDF，识别率也会下降。
• 问题二：飞书插件报错“无权限”或“app_token无效”。
  • 原因：飞书多维表格的权限没有正确配置。
  • 解决：确保你的飞书应用有该表格的“读写”权限。在飞书开放平台，进入你的应用，在“权限管理”中为“多维表格”申请权限，并将你的表格添加进该应用的“权限配置”范围。然后重新授权给扣子。
• 问题三：处理大量发票时速度慢或失败。
  • 原因：扣子工作流对单次运行有超时限制，且免费版可能有调用频率限制。
  • 解决：对于超过20张发票的批量处理，建议分批上传。可以在“循环”节点前，先对文件列表进行分片处理，或者直接分多次运行工作流。另外，检查网络环境是否稳定。

### 4.2 提示词优化：让AI更懂你的发票

系统提示词是灵魂，这里分享几个进阶优化点：

1. 针对特定发票类型：如果你的发票主要是某一类（如滴滴出行的行程单、某电商平台的电子发票），可以在提示词中加入例子。“例如，一张滴滴出行发票，其销售方通常是‘北京小桔科技有限公司’。” 这样能大幅提升特定场景的准确率。
2. 处理模糊信息：有些发票的购买方名称可能只写简称。你可以在提示词中补充：“如果购买方名称不完整，但文本中出现‘我司’、‘本公司’等字样，请统一替换为‘[你的公司全称]’。”
3. 强化格式要求：在提示词末尾加上：“请再次检查，你的输出必须能被Python的json.loads()函数直接解析，不能有任何语法错误。” 这能进一步约束模型。

### 4.3 工作流扩展：不止于归档

基础版实现了自动归档，但这个工作流的潜力远不止于此。你可以轻松地扩展它：

• 自动校验：在“代码”节点之后，“飞书写入”之前，可以插入一个“条件判断”节点。判断逻辑可以是：如果“价税合计”不等于“金额+税额”（考虑浮点数误差），或者关键字段如“发票号码”为“无”，则将该条记录导入一个“待人工审核”的表格，而不是主表。这实现了初步的自动稽核。
• 触发自动化：扣子工作流可以设置为由“定时触发器”启动。你可以设置每周五下午5点自动运行一次，处理当周积累在某个云盘文件夹里的所有发票。或者，结合“飞书群消息”触发器，当有人在指定的报销群里发送发票图片时，自动触发工作流进行识别归档，实现真正的“随到随处理”。
• 数据汇总分析：归档完成后，可以再连接一个“代码”节点，对本次归档的数据进行快速统计，比如“本周报销总额”、“交通类发票占比”，并将统计结果通过“飞书群消息”插件发送到财务群，实现归档即报告。

把这些技巧用上，你的这个“财务神器”就从自动化工具，升级为了一个智能化的财务处理中心。它节省的远不止是手动输入的时间，更是避免了因疲劳导致的错误，让财务工作从繁琐的重复劳动中解放出来，去从事更有价值的分析和决策工作。