零代码实现 AI 智能单据解析（通义千问版）

1. 功能简介

本方案利用伙伴云自动化中的“AI文生文”原生能力，结合阿里云通义千问大模型，实现“一键上传 PDF/图片，自动提取信息填入表格”的效果。

适用场景： 跨境物流面单、采购发票、合同关键条款提取等。
核心优势：
- 零代码： 不用写代码，不用手搓复杂的 JSON 请求体
- 原生集成： 使用伙伴云官方封装的 AI 节点，配置更直观
- 成本低廉： 仅需支付通义千问token费用（单次识别大约几分钱，具体要看模型选择和输出要求）

2. 实现原理：5步闭环

我们将使用新版自动化的两个核心节点类型：【调用服务端API】和【AI文生文】。

上传文件（调用服务端API）：把附件传给阿里云，换取 File ID。
读取文件内容（AI文生文 - Qwen-Long）：让 AI 根据 ID 读取文件全文。
结构化解析（AI文生文 - Qwen-Plus）：让 AI 把全文按 JSON Schema 规则整理好。
写入伙伴云表格（更新数据）：把整理好的字段填回表格。
删除文件（调用服务端API）：清理云端缓存，释放空间。
1.

3. 准备工作

阿里云准备：
1. 阿里云登录 - 欢迎登录阿里云，安全稳定的云计算服务平台，注册账号，获取 API-KEY。
2. 注意： 复制并保存好这个Key，它是连接伙伴云和AI的凭证。
伙伴云准备：
1. 企业设置-企业后台-外部服务-AI大模型-添加服务商
2. 添加通义千问并将 API Key配置好，添加需要的模型，这里我们用到了通义千问-Long 和通义千问3-Plus

4. 详细配置步骤

第一步：创建快捷按钮

位置：自动化 → "+" → 创建快捷按钮。
设置：按钮名称"AI识别"，勾选显示位置（如表格工具栏）。

第二步：上传文件 (获取 File ID)

节点类型： 调用服务端API (HTTP Request)
作用： 将伙伴云的附件链接发送给阿里云，获取文件的唯一标识。（大模型无法直接读取伙伴云的附件链接，需要先将文件传输给它的服务器。）

配置细节：
- 请求方法 (Method)： POST
- 请求地址 (URL)： https://dashscope.aliyuncs.com/compatible-mode/v1/files (注意：使用 compatible-mode 兼容接口)
- 请求头 (Headers)：
  - Content-Type: multipart/form-data
  - Authorization: Bearer sk-xxxxxxxx (你的阿里云 API-KEY，建议开启右侧“加密”开关，仅需从sk开始替换，前面的Bearer 不要动)
- 请求体 (Body) - 类型选择 form-data：
  - 参数1：
    - 键 (Key): file
    - 文件 (Value): 点击右侧按钮，选择 “触发的数据” > “附件字段”
    - 文件名 (Filename): 同样选择 “触发的数据” > “附件字段” (注意：两行都要填)
  - 参数2：
    - 键 (Key): purpose
    - 文本 (Value): file-extract
- 返回值设置：
  - 解析为 JSON 格式。
  - 超时时间建议设为“最长2分钟”。（此后的内容不需要人工配置）

第三步：读取文件内容 (Qwen-Long)

节点类型： AI文生文
作用： 利用长文本模型，读取上一步上传的文件，并将其转化为文字。

配置细节：
- 模型选择： 选择 qwen-long （在准备工作时，如果已经配置好对应模型，那么这里可以直接选择；如果没有在企业中配置，也可以在此处单独配置模型。）
- 提示词 (Prompt)：
  - 系统提示词：fileid://[点击引用第二步输出的 body.id]
    - fileid:// 是通义千问识别文件的标准协议头，后面紧跟ID，不要有空格
    - body.id 指的是在上一步中，返回的JSON中的文件id值
    - 多文件上传时，可以通过 fileid://文件id,fileid://文件id2，来进行拼接
    - 文件id传入系统提示词是通义千问的要求，系统提示词（System）代表“环境设定”或“背景知识”，把文件 ID 放在这里，相当于把文件内容“灌输”给了 AI 的大脑背景，然后用户提示词（User）再去提问，AI 就能基于背景流畅作答。
  - 用户提示词：按需设计即可
    - 比如：这是一个跨境运输的面单货运输信息，从文件中提取所有的有效文字信息，并输出为带有结构的文本
    - 原理：这是告诉 AI “读完文件后具体要做什么”

第四步：结构化解析 (Qwen-Plus + JSON Schema)

节点类型： AI文生文
作用： 这是最关键的一步！ 利用 Plus 模型的逻辑能力，把上一步识别出来的文字，按规则清洗成标准 JSON。

配置细节：

模型选择： 选择 qwen-plus (适合做逻辑分析)。
提示词 (Prompt)：
- **系统提示词：**上一步生成的内容
- 用户提示词：从上面的内容中提取出有关跨境运输的面单或运输信息的关键信息，并按照Schema输出为JSON结构
- 输出格式：JSON
- JSON Schema：（示例）

 {
   "name": "extraction_result",
   "strict": true,
   "schema": {
     "type": "object",
     "properties": {
       "name": {
         "type": "string",
         "description": "收件人名字"
       },
       "number": {
         "type": "string",
         "description": "编号"
       },
       "id": {
         "type": "string",
         "description": "物流单号"
       },
       "value": {
         "type": "number",
         "description": "金额，只要数字，不要货币符号"
       },
       "type": {
         "type": "string",
         "enum": ["CNY", "USD"],
         "description": "统一转为大写代码"
       },
       "list": {
         "type": "array",
         "description": "物品明细清单",
         "items": {
           "type": "object",
           "properties": {
             "englishname": {
               "type": "string",
               "description": "物品英文名称"
             },
             "chinesename": {
               "type": "string",
               "description": "物品中文名称"
             },
             "amount": {
               "type": "number",
               "description": "数量"
             },
             "price": {
               "type": "string",
               "description": "单价"
             }
           },
           "required": ["englishname", "chinesename", "amount", "price"],
           "additionalProperties": false
         }
       }
     },
     "required": ["id", "name", "value", "list", "number", "type"],
     "additionalProperties": false
   }
 }

第五步：更新数据

节点类型：修改已有数据
作用： 更新主表数据，这里我们是在触发数据上传文件并点击快捷按钮进行识别，识别结果也写入当前数据

配置细节：
- 选择工作区、表格、数据
- 字段赋值：
  - 添加需要赋值的字段，并对应选择json中的输出结构，例如：快递单号 = 上一步生成内容中的快递单号
  - 赋值时注意字段类型的匹配，比如数值类型字段只能用 json中定义为 number的类型进行赋值
如果需要用识别出的明细表向子表赋值，可以用数组循环 + 创建新数据节点实现，要执行循环的数组变量选择JSON中定义的数组即可

第六步：删除文件 (释放存储空间)

节点类型： 调用服务端API
作用： 释放阿里云存储空间。

配置细节：
- URL： https://dashscope.aliyuncs.com/api/v1/files/[点击引用第二步的 output.id]
- Method： DELETE
- Header： Authorization: Bearer [你的API-KEY]

5. 进阶：如何编写“防呆”的 JSON Schema

在第四步的 Prompt 中，粘贴一个好的 Schema 是成功的关键。它能防止 AI 乱说话。

什么是 JSON Schema？

它是一段代码，用来告诉 AI：“我要一个对象，里面必须有个叫‘金额’的字段，而且必须是数字”。

如何写出你要的JSON Schema？

你可以直接用大白话描述你需要的字段、类型、描述，然后将内容内的 JSON Schema 示例都输入给AI，让AI快速为你写好一个可以直接粘贴到伙伴云使用的Schema

本案例中的模版示例（请复制修改后贴入第四步 Prompt）：

    {
      "name": "extraction_result",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "name": {
            "type": "string",
            "description": "收件人名字"
          },
          "number": {
            "type": "string",
            "description": "编号"
          },
          "id": {
            "type": "string",
            "description": "物流单号"
          },
          "value": {
            "type": "number",
            "description": "金额，只要数字，不要货币符号"
          },
          "type": {
            "type": "string",
            "enum": ["CNY", "USD"],
            "description": "统一转为大写代码"
          },
          "list": {
            "type": "array",
            "description": "物品明细清单",
            "items": {
              "type": "object",
              "properties": {
                "englishname": {
                  "type": "string",
                  "description": "物品英文名称"
                },
                "chinesename": {
                  "type": "string",
                  "description": "物品中文名称"
                },
                "amount": {
                  "type": "number",
                  "description": "数量"
                },
                "price": {
                  "type": "string",
                  "description": "单价"
                }
              },
              "required": ["englishname", "chinesename", "amount", "price"],
              "additionalProperties": false
            }
          }
        },
        "required": ["id", "name", "value", "list", "number", "type"],
        "additionalProperties": false
      }
    }

关键参数说明：
- "type": "number"：强制AI把"200元"转换成200，方便后续计算。
- "enum": ["CNY", "USD"]：强制AI做选择题，把"RMB"、"¥"统一清洗为"CNY"。
- "description"：给AI的备注，告诉它这个字段的提取规则。

6. 常见问题排查 (FAQ)

Q1：AI 节点报错，提示文件无法读取？

检查点： 确认第二步（上传）和第三步（读取）之间是否连接正确。
关键点： 第三步的 Prompt 里，fileid:// 后面必须紧跟 ID，不能有空格，也不能换行。

Q2：数据没填进去？

检查点： 查看自动化的“执行日志”，逐步检查是否完成了执行
- 第三步（Qwen-Long）是否输出的文件的识别结果
- 第四步（Qwen-Plus）输出的是不是纯 JSON。

Q3：一定要用两个 AI 节点吗？能合并吗？

如果使用通义千问的模型，目前必须分开
- Qwen-Long 能读超长文件，适合做“搬运工”。
- Qwen-Plus 便宜且逻辑强，能输出JSON，适合做“分析师”。
- 组合使用，既省钱（Plus处理纯文本很便宜），效果又好（各司其职）。

Q4：Qwen-Long 是如何处理长文档的？

分为两个步骤：文件上传与 API 调用。详见链接：https://help.aliyun.com/zh/model-studio/long-context-qwen-long

2025-12-05 更新

1 次查看