暂无图片
暂无图片
暂无图片
暂无图片
暂无图片

【MOI 实践 Vol.1】我用AI把员工报销从1小时压缩到5分钟

MatrixOrigin服务号 2026-04-14
144

点击蓝字 关注我们


每个月月末,公司里总有一幕固定上演:

一阵阵叹息声从工位上传来。那是同事们又在重复那个“神圣”的报销仪式——打开邮箱,在一堆邮件里大海捞针般地找出电子发票,下载,打开,再把发票号码、金额、日期一个字一个字地敲进报销系统。

如果是打车发票,那恭喜你,难度加倍。你还得找到对应的行程单,像玩“大家来找茬”一样,核对金额、地点,然后在大脑里快速检索报销制度,判断这笔钱到底算“市内交通”还是“差旅费”。

出差多的同事,光是这一套“仪式”走下来,一杯咖啡都凉了,时间也过去了一个小时。

最绝望的是,你知道下个月,这一切还会原封不动地再来一遍。


Part 1

报销这件事,到底有多折磨人?


场景1:眼花缭乱的“数字游戏”

你对着一张 PDF 发票,把一长串发票号码敲进系统,生怕看错一个数字;再把金额的小数点对齐,反复确认。几十张发票下来,眼睛都花了。

场景2:记忆力大考验

“这笔去机场的打车费,是出差还是团建来着?”“这张餐饮发票,是招待客户还是部门聚餐?”你不得不努力回忆几周前发生的事情,每一次判断都是一次小小的脑力消耗。

场景3:无尽的循环

你好不容易填完所有单据,提交。两天后,财务驳回了你的申请:“张三,你这张发票和行程单金额对不上。”于是,上面的所有流程,从头再来。

报销,这件看似简单的小事,正在像一个微型黑洞,日复一日地吞噬着每个人的时间和耐心。


Part 2

问题的本质是什么?


报销的痛苦,不在于“填”,而在于“找”和“判”。

  • “找”:从几十上百封邮件里找到正确的发票和行程单。

  • “判”:判断每笔费用的归属类型,确保它符合公司复杂的报销规定。

这本质上是一件高度重复、规则明确、但极其繁琐的体力活。而这种活,正是AI最擅长接管的领域。

过去,机器看不懂 PDF 和图片里的发票,这个瓶颈卡住了所有自动化尝试。但现在,多模态大模型可以直接“阅读”这些文件,准确率甚至超过疲惫的人眼。

技术的那扇门,已经开了。


Part 3

我们的尝试:做一个“报销小助手”


基于这个判断,我们开发了一套智能报销系统。

核心思路很简单:把所有重复劳动都丢给 AI,人只做最后那个“确认”的动作。

整个系统分为四个模块:

#1

邮件批量提取

通过 IMAP 协议连接 QQ 邮箱,一键批量下载所有包含 PDF OFD XML 格式附件的邮件,自动按邮件分组存储,完整保留邮件元数据。提取一封邮件的所有附件,不到 1 秒。

#2

AI 发票解析

调用硅基流动的 Qwen3-VL-32B-Instruct 多模态模型,对每一张发票或行程单进行识别。系统会自动判断文档类型(发票 or 行程单),并提取对应字段。对于打车行程单,还能解析出每一段行程的起终点、时间和金额。解析结果持久化存储,不重复调用 API。

#3

智能分类与配对

  • 系统内置分类规则引擎:打车发票 + 同城行程 → 市内交通费;

  • 打车发票 + 跨城行程 → 差旅费;

  • 销售方含"健身""体育"等关键词 → 员工福利;

  • 打车发票必须配对行程单,缺一不可(合规校验)。

所有判断自动完成,用户无需手动选择类型。

#4

报销小助手 Agent

这是整套系统最"聪明"的部分。用户只需要在对话框里说一句:“帮我报销最近的高德打车发票”

Agent 会自动执行:搜索邮件 → 提取附件 → AI 解析 → 合规校验 → 生成报销草稿,最后以轮播弹窗的形式呈现每一张报销单,等待用户逐一确认后提交。


Part 4

效果如何?


数字最直接。

我们来看一个真实场景:

产品经理张三,月末要报销 15 笔费用,涉及 30 个文件。

  • 过去: 他需要花 55 分钟,在重复的下载、复制、粘贴中度过一个令人烦躁的下午。

  • 现在: 他只说了一句话,然后在 AI 助手准备好的结果上点了几个“确认”,全程不超过 6 分钟。

最关键的变化是:报销从一项“工作负担”,变成了一个“无感任务”。

原来需要专门留出大块时间来处理的烦心事,现在可能就是在会议间隙、等电梯的碎片时间里,随手就完成了。而且,由于 AI 识别和规则校验,那些因为手误录错金额、填错类型而被财务打回来的情况,几乎消失了。


Part 5

写在最后


做完这个小工具,我们最大的感受是:AI 最强大的地方,不是它有多“聪明”,而是它“不知疲倦”

让人类去重复处理 100 张发票,是一种折磨;让 AI 去做,它每一张都处理得和第一张一样精准、一样快速。在这些重复性劳动上,AI 的价值是压倒性的。

报销只是一个开始。想象一下,那些合同审批、数据周报、会议纪要整理……所有这些办公室里重复的、有规律的、正在消耗我们创造力的场景,都可以用同样的思路去改造。

让 AI 去做那些重复的、机器擅长的事,把人类的时间和精力,真正解放出来,去做那些需要思考、需要创意、需要沟通的,真正有价值的事。


About us

关于矩阵起源


矩阵起源是 AI 原生多模态数据智能平台的开创者,国内 AI 数据基础设施领域的领先企业。公司专注于大数据与人工智能平台技术与服务,致力于为数字世界打造简捷而强大的数据智能操作系统,助力企业高效实现从信息化到智能化的全面升级。核心产品 MatrixOne Intelligence 是面向企业的 AI 原生多模态数据智能平台,利用包括大模型在内的人工智能技术和创新的超融合数据底座,帮助企业统一管理和治理多模态数据,将私域数据转化为 AI-Ready 数据资产。公司现已取得国家级高新技企业、专精特新中小企业和深圳“种子独角兽”称号,并且是国家标准起草单位。


欢迎小伙伴们来跟我们交流经验!

官网

matrixorigin.cn 

源码

github.com/matrixorigin/matrixone

Slack

matrixoneworkspace.slack.com

扫码加入MatrixOne技术交流群

(如二维码过期,请添加小助手微信: MatrixOrigin001)


关键词:MatrixOrigin

知乎  |  CSDN  |  墨天轮  |  OSCHINA | InfoQ  | SF |  Bilibili

点击“阅读原文”查看更多MatrixOrigin News

文章转载自MatrixOrigin服务号,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论