银行对账单智能解析与数据提取工作流

工作流名称

银行对账单智能解析与数据提取工作流

主要功能和亮点

本工作流能够自动下载银行对账单PDF文件，将其拆分成图片，利用先进的视觉语言模型（Vision Language Models，VLMs）将扫描或下载的PDF页面转录为结构化的Markdown文本，最大程度保留表格和文本细节。随后，使用大语言模型（LLM）精准提取对账单中的关键数据项，如所有存款记录，实现对复杂扫描文档的智能理解和数据抽取。

解决的核心问题

多数银行对账单为扫描版PDF，传统OCR难以准确提取表格与复杂布局信息，导致数据处理效率低且错误率高。本工作流通过视觉语言模型识别图片中的内容，结合Markdown格式保存原文档结构，极大提升了对扫描PDF的解析准确性和后续数据提取的便利性。

应用场景

• 财务人员自动化处理银行对账单，快速获取关键存款信息
• 需要从扫描版或下载版PDF中提取表格数据的文档管理和数据分析系统
• 金融科技公司及会计服务机构提升文档处理智能化水平
• 任何需要批量解析复杂PDF文档并结构化输出的业务流程

主要流程步骤

1. 手动触发工作流执行。
2. 从Google Drive下载指定的银行对账单PDF文件。
3. 调用Stirling PDF服务将PDF拆分成多张高分辨率JPEG图片。
4. 解压图片ZIP文件并转换成图片列表。
5. 对图片按文件名排序，统一尺寸缩放以加速AI处理。
6. 通过Google Gemini视觉语言模型将每页图片转录成Markdown格式文本，保留文本、标题及表格结构。
7. 汇总所有页面的Markdown文本。
8. 使用Google Gemini语言模型提取所有包含存款金额的表格行，输出结构化的存款数据。

涉及的系统或服务

• Google Drive（文件下载）
• Stirling PDF Webservice（PDF转图片）
• n8n内置节点（文件解压、排序、图像编辑、代码处理等）
• Google Gemini（PaLM）视觉语言模型与语言模型API
• Markdown格式文本处理

适用人群或使用价值

• 财务分析师、会计人员、审计师等需要快速处理银行对账单数据的专业人士
• 金融科技企业和文档自动化处理开发者
• 任何希望通过AI技术提升扫描文档识别和结构化能力的企业或个人
• 对数据隐私有高要求的用户（可自建PDF拆分服务替代第三方）

通过本工作流，用户能够实现对扫描或下载的银行对账单进行高效、准确的自动化解析和关键数据提取，显著节省人工处理时间，降低错误率，提升财务数据的智能化管理水平。