腾讯云OCR × WorkBuddy：财报三表勾稽自动化Skills最佳实践

原创

腾讯云AI

修改于 2026-05-28 17:36:29

500

1、什么是财报三表勾稽？

所谓"三表"，是企业财报的三大核心报表：

报表名称	核心内容	关键作用
资产负债表	资产、负债、所有者权益	反映企业某一时点的财务状况
利润表	收入、成本、费用、利润	反映企业某一期间的经营成果
纳税申报表	应税收入、应纳税额	反映企业某一期间的纳税情况

常见勾稽点包括：

✅ 跨期一致性：资产负债表"期初数" = 上期"期末数"；
✅ 表内平衡：资产 = 负债 + 所有者权益；
✅ 跨表勾稽：利润表"净利润" → 资产负债表"未分配利润"变动；
✅ 税会差异：利润表"所得税费用" vs 纳税申报表"应纳所得税"；
✅ 现金流勾稽：经营活动现金流 vs 利润表营业收入规模。

三张表之间存在严密的数学勾稽关系，任何一处数字对不上，都可能意味着录入数据错误、虚增收入、隐匿负债或跨表造假等风险信号。传统做法是人工翻 PDF、手动录入 Excel、逐条公式核对，效率低且易出错。本次最佳实践通过WorkBuddy平台，基于腾讯云OCR表格识别能力打造的financial-statement-check Skill，成功将这一流程从数小时压缩至几分钟。

该技能已上架ClawHub社区：https://clawhub.ai/zt1314p-design/financial-statement-check

2、场景痛点：拆解财报审核的三重门槛

财报审核的难度是逐层递进的：

痛点1: 纸质材料量大，人工审阅耗时耗力

企业提交的财报通常是 PDF、扫描件甚至翻拍图片，动辄数十上百页。人工逐页翻阅、定位关键表格、抄录数字，一份年报仅数据录入就要数小时，准确率还难以保证。在批量审核场景下（如信贷审批一天过十几家），人力瓶颈尤为突出。

痛点2: 版式复杂、文件类型多样，常规工具无法理解

财报表格存在跨行合并、跨列嵌套、多级小计等复杂版式，且格式五花八门——有文字型 PDF、有扫描图片型 PDF、有拍照件。普通工具面对这些文件，要么无法读取图片内容，要么丢失表格结构，根本无法完成结构化提取。

痛点3: 深入内容层面，单位币种混乱、措辞不一、批量计算繁琐易错

即使拿到了数据，真正的挑战才刚开始。同一份财报里资产负债表可能用"万元"，利润表用"元"；涉外企业还夹杂美元、港币。不同企业对同一科目的措辞各异（"应交税费"vs"应交税金"），三表之间数十条勾稽规则涉及跨期、跨表、税会差异等多维度校验。手工统一单位、对齐口径、逐条核算，多一个零少一个零都可能引发重大决策偏差。

3、最佳实践：基于WorkBuddy 平台实操演示

我们以腾讯公司 2025 年度财报为例，演示基于在 WorkBuddy 平台使用 financial-statement-check 技能的全流程实操。

📌 说明：上市公司公开年报格式规范，适合作为演示样本；实际场景中该流程同样适用于中小企业报表、银行流水财报等。

3.1 传统方案：人工 + Excel

步骤	耗时
定位三表页码	10~20 分钟
数据录入 Excel	60~90 分钟
公式设置与核对	30~60 分钟
差异复查	20~40 分钟
合计	2~4 小时

主要风险：手工录入错误率高，规则漏检高，扫描件/图片型 PDF 完全无法处理。

3.2 腾讯云OCR 表格识别方案：`financial-statement-check` 技能包

financial-statement-check 是一个API封装的Skill（技能包），它将腾讯云 OCR 表格识别能力、智能页码定位、三表字段映射、规则引擎校验等完整流水线封装为开箱即用的技能，核心资源包括：

scripts/table_ocr.py —— 腾讯云 RecognizeTableAccurateOCR 调用脚本（支持 PDF/图片、并行识别）；
references/cross-check-rules.md —— 六大类勾稽校验规则定义；
references/field-mapping.md —— 三表科目字段映射、单位币种统一规则；

与直接调用腾讯云 API 不同，该技能在感知层（自动触发）、编排层（流水线串联）、输出层（结构化报告）做了完整封装，无需理解底层 API 即可使用。

如何使用？

确认技能已启用

在 workbuddy 等平台导入 financial-statement-check 技能。(Skill地址：https://clawhub.ai/zt1314p-design/financial-statement-check，支持CLI与Prompt安装)

配置腾讯云密钥

在环境变量中设置：

2 1export TENCENTCLOUD_SECRET_ID="你的SecretId"2export TENCENTCLOUD_SECRET_KEY="你的SecretKey"

🔗 密钥申请：腾讯云 API 密钥管理 🔗 OCR 服务购买：腾讯云文字识别 OCR（选择"表格识别高精度版"）

发送财报文件，一句话触发

在 WorkBuddy 中，用户只需：

上传财报 PDF
发一句话，例如："帮我对这份财报做三表勾稽检查"

技能会自动触发完整流水线，无需任何额外配置或编码。

接下里看看实际演示和效果。

Step 1: 上传财报 PDF，触发智能页码定位与并行 OCR 识别

上传腾讯 2025 年报 PDF 后，workbuddy 自动进入处理流水线。首先通过 PyMuPDF 提取全文文本进行页码定位，随后对定位到的页面并行调用腾讯云表格 OCR：

可以看到：

Step 0：通过关键词自动定位到利润表（第6、7页）、资产负债表（第8、9页），并识别出本公告不含纳税申报表
Step 1：仅对相关页面调用 OCR（节省配额），并行识别完成

Step 2: 全流程自动执行（Step 0 ~ Step 6）

整个 financial-statement-check 技能流水线包含 7 个步骤，自动串联执行：

各步骤摘要：

Step 0（页码定位）：定位三表所在页
Step 1（OCR识别）：并行识别，共提取 31 个表格
Step 2-4（字段映射 + 单位转换）：单位从"百万元"自动转换为"万元"，币种 CNY 无需折算
Step 5（勾稽校验）：资产负债表平衡（差异=0）、毛利勾稽（差异=0）、净利润率 30.57%（合理区间）——全部通过
Step 6（报告输出）：自动生成结构化审核报告

Step 3: 输出审核报告 — 基础信息与原始指标

技能最终输出标准化的审核报告，包含报告元信息、时间检查、原始指标等：

报告要点：

元信息：自动标注报告期间、数据来源（PDF OCR 第6~9页）、金额单位（万元，已由百万元×100折算）
时间检查：三表时间一致，年度申报，无错位
原始指标：清晰列出资产负债表各科目（总资产、总负债、权益、货币资金等）和利润表经营指标（营业收入、成本、毛利、经营盈利等）

Step 4: 输出审核报告 — 税务指标与跨表校验

税务指标：因本公告不含纳税申报表，相关项标记为"⚠️ 异常（未识别/未匹配）"——这正是系统的严谨之处，未找到数据不会捏造；
核心指标检查：资产负债表平衡（差异=0）✅、毛利勾稽（差异=0）✅、净利润率 30.57% ✅；
跨表校验：因无纳税申报表，相关跨表项标记为"无法校验"并说明原因。

除 WorkBuddy 外，CodeBuddy、Qclaw、OpenClaw、Hermes Agent等平台也可支持类似能力，大家可以参考以上实践。

3.3 不同方案效果对比

维度	人工+Excel	Skills技能（推荐）	裸 API 自行开发
单份耗时	2~4 小时	3~8 分钟	开发后同等
录入错误率	5~8%	<0.5%	<0.5%
规则覆盖率	60~70%	90%+	取决于实现
扫描件/图片处理	❌	✅	✅
单位/币种统一	手工易错	✅ 自动	需自行实现
上手门槛	需资深经验	零门槛	需开发资源
维护成本	—	技能自动更新	需持续维护

4. 技术支撑：腾讯云 OCR 表格识别 × Skill封装

4.1 底层能力：腾讯云 OCR 表格识别

技能的核心 OCR 能力来自腾讯云 RecognizeTableAccurateOCR（表格识别高精度版）接口：

复杂表格支持：跨行合并、跨列嵌套、多级小计等财报常见版式均可准确识别；
高精度：表格内容准确率 >97%，远超手工录入；
结构化输出：返回 HTML/JSON 格式，便于后续字段映射和自动化处理；
多格式兼容：支持文字型 PDF、扫描图片型 PDF、拍照件，Base64 和 URL 两种输入方式。

4.2 Skill 封装的增值能力

在原有 OCR API 基础上，financial-statement-check 技能还增加了：

能力	说明
智能页码定位	先用 PyMuPDF 文本扫描定位三表页码，再针对性调用 OCR，避免浪费配额
三表自动识别	根据表头关键词和字段映射规则，自动判定每个表格归属
字段标准化	将不同企业的措辞差异（"应交税费" vs "应交税金"等）统一映射为标准字段名
规则引擎	内置数十条勾稽规则，覆盖时间一致性、表内平衡、跨表校验、税会差异等六大类
异常分级输出	区分"必输出"与"仅异常时输出"，报告简洁高效
用户自定义检查	支持附带自定义关注点，灵活扩展

财报审核是一个典型的"规则密集 + 数据提取"型任务。基于腾讯云OCR表格识别能力打造的financial-statement-check 技能，在 workbuddy 平台本质上做了三件事：

给 AI 装上眼睛：腾讯云 OCR 解决了 PDF/图片财报的"视觉盲区"问题，扫描件、翻拍件、复杂合并表格——这些过去让工具束手无策的格式，现在都能被准确识别和结构化提取。
把经验固化为技能：资深审计师脑中的勾稽规则、行业常识、异常阈值，被封装为可复用、可更新的技能包。它不会因为疲劳而遗漏，不会因为经验不足而误判，覆盖率从人工的 60~70% 提升到 90% 以上。
让使用者零门槛：不需要写代码、不需要理解 API、不需要配置规则引擎——上传 PDF，一句话搞定。

除了本文演示的财报三表勾稽场景，腾讯云 OCR 技能矩阵还覆盖了更广泛的业务场景：

财务报销场景：接入增值税发票识别技能，OpenClaw 可以自动读取发票金额、税率、购销方信息，告别手动填报；
合规审查场景：接入营业执照、身份证识别技能，企业资质核验、KYC 流程秒级完成；
跨境业务场景：接入多国护照识别技能，80+ 国家证件信息一键提取，国际化团队协作不再受语言壁垒所困；
教育评测场景：接入试题批改 Agent，手写答案自动识别、知识点分析一气呵成。

同时，官方也上架了众多腾讯云OCR Skills在Skillhub、ClawHub等技能社区，满足不同的场景需要，用户可以根据自己的场景按需选择：

skills名称	链接	介绍
TencentCloud IDCard OCR	tencentcloud-ocr-idcard	腾讯云身份证识别(IDCardOCR)接口调用技能。可识别身份证图片中中国大陆居民二代身份证正反面信息（姓名、性别、民族、出生日期、住址、身份证号、签发机关、有效期限等），支持身份证图片照片裁剪和多种告警功能
TencentCloud BizLicense OCR	tencentcloud-ocr-bizlicense	腾讯云营业执照识别(BizLicenseOCR)接口调用技能。可识别营业执照图片上的字段信息（统一社会信用代码、公司名称、主体类型、法定代表人、注册资本、组成形式、成立日期、营业期限、经营范围等）时，支持复印件/翻拍件告警检测、有效期自动拼接、电子营业执照图片识别及非营业执照的营业类证件图片识别。
TencentCloud General OCR	tencentcloud-ocr-general	腾讯云广告文字识别(AdvertiseOCR)接口调用技能。当用户需要从图片中识别文字内容时,应使用此技能。支持中英文、横排、竖排及倾斜场景的图片文字识别,支持90度、180度、270度翻转场景的图片识别,返回文本框位置与文字内容。
TencentCloud LicensePlate OCR	tencentcloud-ocr-licenseplate	腾讯云车牌识别(LicensePlateOCR)接口调用技能。当用户需要对中国大陆机动车车牌进行自动定位和识别时，应使用此技能。支持返回车牌号码、车牌颜色、置信度和像素坐标信息，支持多车牌场景识别。
TencentCloud MLIDPassport OCR	tencentcloud-ocr-mlidpassport	腾讯云护照识别（多国多地区）(MLIDPassportOCR)接口调用技能。当用户需要识别护照图片中中国大陆、港澳台地区或其他国家/地区的护照信息（护照ID、姓名、出生日期、性别、有效期、发行国、国籍、国家地区代码、MRZ码等）时,应使用此技能。支持图片Base64和URL两种输入方式,支持护照图片人像照片裁剪功能,支持80+国家/地区的可机读护照图片识别,同时支持复印件、翻拍、PS、反光、模糊、边框不完整等告警功能（仅国际站生效）
TencentCloud RecognizeTable OCR	tencentcloud-ocr-recognizetableaccurate	腾讯云表格识别v3(RecognizeTableAccurateOCR)接口调用技能。当用户需要从表格图片或PDF中识别常规表格、无线表格、多表格的内容,提取每个单元格的文字信息,或将表格图片识别结果导出为Excel文件时,应使用此技能。支持中英文表格图片、旋转表格图片、嵌套表格图片等复杂场景,识别效果优于表格识别V2。
TencentCloud VatInvoice OCR	tencentcloud-ocr-vatinvoice	腾讯云通用票据识别高级版(VatInvoiceOCR)接口调用技能。当用户需要识别发票图片中增值税专用发票、增值税普通发票、增值税电子专票、增值税电子普票、电子发票（普通/增值税专用）的全字段信息时,应使用此技能。支持识别发票图片中的发票代码、发票号码、开票日期、合计金额、校验码、税率、合计税额、价税合计、购买方/销售方信息、明细条目等全部字段,同时支持PDF格式发票图片识别。
TencentCloud VehicleLicense OCR	tencentcloud-ocr-vehiclelicense	腾讯云行驶证识别(VehicleLicenseOCR)接口调用技能。当用户需要识别行驶证图片主页（车牌号码、车辆类型、所有人、住址、使用性质、品牌型号、识别代码、发动机号、注册日期、发证日期）或副页（号牌号码、档案编号、核定载人数、总质量、整备质量、核定载质量、外廓尺寸、准牵引总质量、备注、检验记录）信息时,应使用此技能。支持图片Base64和URL两种输入方式,支持复印件、翻拍、反光、模糊、边框不完整等告警功能,支持电子行驶证图片和拖拉机行驶证图片识别。
TencentCloud ExtractDoc OCR	tencentcloud-ocr-extractdocagent	腾讯云实时文档抽取Agent(ExtractDocAgent)接口调用技能。当用户需要从图片或PDF中按自定义字段名称进行结构化信息抽取时，应使用此技能。支持自定义字段名称、字段类型（KV对或表格字段）和字段提示词，实现灵活的文档信息提取。适用于合同、发票、报告等各类文档的结构化数据抽取场景。
TencentCloud QuestionMark OCR	tencentcloud-ocr-questionmarkagent	腾讯云试题批改Agent接口调用技能。当用户需要对试卷图片或试题图片中的K12试卷或试题进行自动批改、手写答案识别、知识点分析时,应使用此技能。支持整卷图片批改和单题图片批改,提供题目切题、正误判定、答案对比、错误分析、知识点输出等结构化评估结果。