把发票交给云端？他做了个断网也能跑的本地收据整理器

每个季度，我哥哥都要丢掉一整个周末。他在印多尔经营一家自由职业平面设计工作室，桌上堆着一鞋盒皱巴巴的纸质小票、WhatsApp 里拍的照片、邮箱里的 PDF 发票，然后一行一行手动敲进表格。

他们试过商业报销应用，装完立刻删了。原因很直接：这些应用会把收据上传到第三方云服务器。而一张收据上带着家庭住址、个人银行信息、客户姓名和税号。对在意隐私的自由职业者和小商家来说，上云这条路走不通。

SlipSense 就是为这件事做的。它是一个开源的本地收据整理器：你把它指向电脑上的一个文件夹，它提取数据、校验算术、标记可疑行，再把文件按会计分类整理好。整套流程跑在本机，用的是 Ollama 里的开源视觉模型，文件不碰外部服务器，Wi-Fi 关掉也能用。

谁会付钱，怎么付

目标用户是独立自由职业者、税务顾问，以及需要记录经营支出用于抵扣的小店主。云工具每月收 10 到 30 美元，而其中很多功能，单人经营者几乎用不上。

产品模型很简单：一次性桌面授权，或者一个年度的“报税季包”，定价 499 印度卢比，用于独立离线场景。需要说清楚的是，目前还没有任何人付过费，SlipSense 的付费客户数为零。

输出长什么样

SlipSense 把每份文档归一化成九列标准字段：状态、供应商、小计、税、总额、币种、分类、日期、原因。

拿测试中的 receipt_01_amazon.jpg 举例：这张收据的税被拆成 9% CGST（98.66 卢比）和 9% SGST（98.66 卢比）。SlipSense 提取了两条税行，合并成一个税额 197.31 卢比，验证 1101.69 + 197.31 = 1299.00，从 categories.yaml 匹配分类，然后通过校验。

用人工复核兜住模型的错

小模型一定会犯错。SlipSense 的前提就是：模型会在难处理的图片上失败。它不盲信模型输出，而是用基于规则的校验去核对数字。

供应商缺失、总额为零或负数、小计加税与总额偏差超过 1%、或者模型需要重试，这一行就会被标记为“需要复核”，并附上一句大白话说明原因。被标记的行自动排到表格最上方，点开任意一行，就能看到原始收据和可编辑字段并排显示。

导出时，SlipSense 生成 expenses.csv，把每张收据复制到 output/ 下按“年-月-日_供应商”命名的分类目录，全程不改动原始文件，同时生成 category_summary.csv。汇总严格按分类和币种分组，绝不会把美元和印度卢比加在一起。

一个踩过的坑

测试分辨率缩放时，我一开始以为图越大提取越准，于是把 max_side 设成 1400。结果撞上一堵延迟墙。视觉 Transformer 会把图像切成固定大小的视觉块，1400 像素下，复杂的咨询发票和 AWS 账单让 token 数量暴涨，单份文档延迟从 8.5 秒飙到 56.21 秒和 57.37 秒。

更糟的是，准确率一个百分点都没提升。max_side = 1000 时，总额字段准确率同样是 100%，平均耗时 8.57 秒，快了 4.25 倍以上。降到 1000 像素，是在本地跑而不爆内存的关键。

四个我坚持的设计决定

• 信任由规则代码决定，不由模型置信度决定。视觉模型经常在错误数字上给出高置信度，所以校验代码直接算小计加税是否等于总额、检查日期边界，确定性地标记异常。
• 模型不许猜。字段看不清时，提示词要求模型输出 null，SlipSense 随后标记该行交给人看，而不是编一个数字。
• 原始文件不可侵犯。SlipSense 只读原件，副本放进分类目录并做文件名清洗，用冲突计数防止覆盖。
• 待复核行排最上面。50 张收据里，用户不该自己去翻那三张需要人看的。

为什么开源创新重要

收据数据里有银行信息、供应商联系方式、私人消费。用开源模型加 Ollama 这样的本地运行时，数据不出设备，在没网的小屋或飞机上照样能用。

成本上，闭源视觉 API 按页或按调用收费，对一个月处理 30 张、下个月一张都没有的自由职业者来说，订阅费和 API 计量都是摩擦。本地跑的开源模型，每个文件零成本。

还有模型独立性：闭源云 API 会下线端点、调整系统提示词、悄悄改限流。在 SlipSense 里换模型，只需要改 config.yaml 里的一行。分类体系也是开放的，categories.yaml 和 examples.yaml 任何人都能改成自己的会计科目表。

诚实的另一面

闭源前沿模型跑在云上，原始吞吐更快，也更擅长辨认皱巴巴的手写体和褪色的热敏纸。3B 的本地模型需要像样的 CPU 和内存，笔记本上每份文档约 8.5 秒，也读不准看不清的手写。

我还是选了本地模型。对会计文档来说，绝对的数据保密比云端速度更重要。

SlipSense 采用 MIT 开源协议。目前没有付费客户，我也没收过任何人的钱，正在向附近几位小店主和独立自由职业者收集离线工作流的早期反馈。