银行对账单智能转录与数据提取工作流

工作流名称

银行对账单智能转录与数据提取工作流

主要功能和亮点

该工作流能够自动下载银行对账单PDF文件，将每页PDF转换为图像，利用先进的视觉语言模型（Vision Language Models，VLMs）将扫描或下载的PDF内容精准转录为Markdown格式文本，保留原始文档中的表格和结构信息。随后，基于转录文本，使用语言模型提取关键的存款明细数据，实现对复杂扫描文档的智能解析和结构化信息抽取。

解决的核心问题

传统OCR技术难以有效处理扫描版PDF，尤其是表格和复杂排版内容。本工作流通过视觉语言模型，实现对扫描PDF的高保真转录，解决了扫描图像文本难以提取、结构信息丢失和数据准确性不足的问题。同时，自动化提取存款条目，极大提升财务数据处理效率。

应用场景

• 财务部门或个人自动处理银行对账单，快速整理与分析存款流水
• 需要解析扫描版或下载版银行账单的场景
• 任何需要从PDF扫描文档中提取结构化数据信息的文档处理自动化
• 金融服务、审计、数据分析等行业的文档智能处理需求

主要流程步骤

1. 下载银行对账单PDF：通过Google Drive节点拉取示例或真实银行对账单文件。
2. PDF拆分成图像：调用第三方Stirling PDF服务，将PDF每页转换为高分辨率JPG格式图像（支持自定义服务替换）。
3. 解压图像文件：将返回的ZIP文件解压并整理成图像列表。
4. 图像排序与尺寸调整：对图像按文件名排序并缩小尺寸以优化后续模型处理速度。
5. 视觉语言模型转录：利用Google Gemini视觉语言模型，将图像内容转录为Markdown文本，保留表格与文本结构。
6. 合并所有页面文本：将所有页面的转录文本合并，形成统一文档。
7. 关键数据抽取：通过语言模型根据预设提示，提取所有存款表格行，输出结构化数据（日期、描述、金额）。

涉及的系统或服务

• Google Drive：文件存储与下载
• Stirling PDF Webservice：PDF转图像服务（支持自建替代）
• Google Gemini Chat Model (PaLM API)：视觉语言模型与文本信息抽取
• n8n内置节点：文件解压、排序、图像处理、代码执行、数据聚合等

适用人群或使用价值

• 需要自动化处理和分析银行对账单的财务人员和审计师
• 数据分析师和开发人员，致力于文档数字化和结构化信息提取
• 企业或个人希望降低手动录入成本，提高扫描文档处理效率
• 对数据隐私有较高需求者，可灵活替换PDF转换服务实现本地安全处理

---

此工作流通过结合多种自动化与AI技术，实现了从扫描PDF到结构化财务数据的全链路智能处理，是财务数字化转型和文档智能解析的有力工具。