ChatGPT 报销自动化：基于 Python 的智能审批系统实战

1次阅读

没有评论

共计 2333 个字符，预计需要花费 6 分钟才能阅读完成。

在企业日常运营中，员工使用 ChatGPT 产生的费用报销一直是个让人头疼的问题。传统的报销流程通常需要以下几个步骤：

员工手动填写报销单
提交发票等凭证
财务人员人工核对
主管审批
财务最终审核并打款

这个过程中存在几个明显的痛点：

人工审核效率低下，每笔报销平均耗时 15-20 分钟
错误率高，特别是对发票真伪和重复报销的判断
流程繁琐，员工和财务都感到困扰
缺乏有效的欺诈防范机制

在发票识别环节，我们对比了两种主流 OCR 技术：

Tesseract OCR
优点：开源免费，支持多语言
缺点：对非标准格式发票识别率较低
适用场景：预算有限，发票格式规范的企业
Azure Cognitive Services
优点：识别精度高，支持多种发票格式
缺点：按调用次数收费
适用场景：对识别精度要求高，预算充足的企业

最终我们选择了 Azure 服务，因为它在模糊发票处理上的表现明显优于 Tesseract。

审批逻辑的实现考虑了两种方案：

纯规则引擎
优点：执行效率高，逻辑明确
缺点：灵活性差，难以处理特殊情况
AI+ 规则混合
优点：能处理复杂场景
缺点：开发成本较高

我们采用了第二种方案，因为 ChatGPT 费用报销涉及的情况比较复杂。

graph TD
    A[发票上传] --> B[OCR 识别]
    B --> C[GPT- 4 数据提取]
    C --> D[规则引擎审核]
    D --> E[主管审批]
    E --> F[财务系统对接]
    F --> G[打款完成]

我们使用 Python 调用 OpenAI API 来解析发票关键字段。以下是核心代码示例：

import openai
from PIL import Image
import base64

def extract_invoice_info(image_path):
    # 图片预处理
    with open(image_path, "rb") as image_file:
        encoded_image = base64.b64encode(image_file.read()).decode('utf-8')

    # 调用 GPT-4 Vision API
    response = openai.ChatCompletion.create(
        model="gpt-4-vision-preview",
        messages=[
            {
                "role": "user",
                "content": [{"type": "text", "text": "提取这张发票的以下信息：发票号码、开票日期、金额、开票方名称。以 JSON 格式返回。"},
                    {
                        "type": "image_url",
                        "image_url": f"data:image/jpeg;base64,{encoded_image}",
                    },
                ],
            }
        ],
        max_tokens=300,
    )

    # 解析返回数据
    extracted_data = eval(response.choices[0].message.content)
    return extracted_data

时间复杂度分析：
– 图片编码：O(n)，n 为图片大小
– API 调用：O(1)
– 数据解析：O(1)

审批引擎采用状态机模式，核心逻辑包括：

金额检查（单笔和月累计）
部门预算检查
发票真伪验证
重复报销检查

class ApprovalEngine:
    def __init__(self):
        self.rules = [
            self._check_amount,
            self._check_budget,
            self._check_invoice_validity,
            self._check_duplicate
        ]

    def approve(self, invoice_data, employee_info):
        results = []
        for rule in self.rules:
            result, message = rule(invoice_data, employee_info)
            results.append((result, message))
            if not result:
                return False, message
        return True, "All checks passed"

    def _check_amount(self, invoice_data, employee_info):
        if invoice_data['amount'] > 5000:  # 单笔超过 5000 需特殊审批
            return False, "Requires special approval for amount over 5000"
        return True, "Amount check passed"

    # 其他检查方法类似...

我们通过 SAP 的 OData API 实现数据对接。关键点包括：