这是什么

这周一篇掘金教程详细拆解了 Google Gemini 多模态模型读发票的全过程：模型读图、Schema 抽字段、本地代码复算金额，三层把关后只进待审批队列、不自动打款。这件事值得关心，因为它示范了一个原则——AI 负责看，代码负责判，财务签字权不能交给大模型。

教程写得很直白：视觉模型在复杂版面下可能看错小数点、把折扣当费用，所以必须用 Pydantic Schema（一种强制规定数据字段和类型的工具）把字段锁死，再用高精度 Decimal 函数重算一遍。三层约束缺一不可。

行业怎么看

这种"AI 做感知、代码做决策"的模式，正在成为企业 AI 落地的共识架构。我们注意到，多家 RPA（机器人流程自动化）厂商和财务 SaaS 公司都在朝这个方向调整产品——AI 负责读单据、对票据，规则引擎负责判合规、控风险。

但反对意见也很清晰：首先，视觉模型在模糊、倾斜、低清票据上仍有"自信编造"的倾向，可能把折扣当费用、把税额看反；其次，国内多数企业的财务系统还不具备 Schema 强制约束能力，模型想"自由发挥"时没人拦得住；再者，伪造票据、重复报销这类业务漏洞，靠视觉模型根本防不住，必须叠加人工或系统层校验。

对普通人的影响

对企业 IT：可以照搬这套"输入校验—Schema 约束—规则重算—人工兜底"的四层架构去做自动化项目，比直接让 AI 端到端决策安全得多。

对个人职场：财务、行政、采购岗位短期不会被 AI 替代，但工作内容会从"自己填"变成"复核 AI 填的对不对"。

对消费市场：未来票据管理、差旅报销类工具会更普及、更便宜，但"完全无人审批"的承诺短期内还不可信。