Skip to main content

​
概览

系统支持多模态图片处理，用户上传图片后，系统先做通用预分析，再结合文字需求决定下一步动作。

​
处理流程

1

图片预分析

Router 节点收到带图片的消息时，调用 analyze_image 工具：
  • 提取 image_kind（通用/小票/截图等）
  • 生成 summary（图片描述）
  • 提取 ocr_text（文字内容）
  • 给出 confidence 评分
分析结果存入 state.extra.image_analysis
2

意图路由

Router 综合图片分析结果 + 用户文字内容决定路由：
  • 图片像小票/支付截图 + 用户提到记账 → ledger_manager
  • 其他情况 → chat_manager（通用回答）
3

执行动作

  • 通用问答：chat_manager 直接基于图片分析结果回答
  • 记账：ledger_manager 调用 analyze_receipt 提取结构化数据，再 ledger_insert

​
工具

​
analyze_image

通用图片分析，由 Router 自动调用。 返回：image_kind, answer, summary, ocr_text, confidence

​
analyze_receipt

小票/收据专用提取。 返回结构化数据：金额、商户名、交易日期、支付方式等

​
支持场景

记账关键词检测：记账、入账、账单、小票、发票、支付截图、付款截图、消费截图、金额、花了、支出、收入、报销

​
配置

​
跨消息图片上下文

用户在同一会话中先发图片、再发文字追问时，系统会尝试复用最近的图片上下文，无需重新上传。