智能 OCR

智能 OCR 指在表单运行时，用户向图片上传 / 文件上传控件拖拽或选择图片后，自动调用绑定的 API 型智能体识别内容，并按配置回填表单字段。这是表单侧能力，不是智能引擎里单独拖「文字识别」节点来编排。

原理

环节	说明
触发时机	上传完成后，组件值变更触发智能体
绑定方式	表单组件启用「智能体」，选择 type=1（API）工作流
图片传递	上传得到的文件 id 作为附件传给智能体（视觉模型识别）
回填方式	默认「自动填充」：智能体返回 JSON，键为表单控件 key，写入 Form.Data

识别与字段映射由智能体提示词与返回 JSON 约定；前端不负责 OCR 算法本身。

配置步骤

1. 准备 API 型智能体

1. 模型管理 中启用具备视觉/OCR 能力的模型。
2. 智能引擎 新建 type=1（API）工作流，内含智能体节点；提示词要求按表单字段输出 JSON（键名与控件 key 一致）。
3. 保存并启用。

2. 配置表单组件

在 表单引擎 中编辑目标表单，对 图片上传（upload-image）或 文件上传（upload）组件：

配置项	说明
启用智能体	打开组件「智能体」开关
智能体（API）	选择上一步的 type=1 工作流
返回处理方式	选 自动填充（agent_command_type=0）

若需识别后做复杂联动，可选「执行命令」，在 智能体返回处理（前端） 中编写 front_agent_command，通过 App.Body.Form.AgentResult 自行写值。

3. 字段 key 对齐

表单各控件须配置唯一 key（绑定列名）。智能体返回 JSON 的键必须与这些 key 一致，例如：

{
  "invoice_no": "INV-2026-001",
  "amount": "1280.00",
  "vendor_name": "示例供应商"
}

4. 使用与验收

1. 打开业务表单（新增或编辑）。
2. 将发票/证照等图片拖入上传区，或点击选择文件。
3. 等待智能体处理完成，相关字段应自动填入。
4. 核对识别结果，必要时人工修正后保存。

注意事项

• 仅 upload / upload-image 等附件类组件会把文件 id 作为附件传给智能体；普通输入框不会带图。
• 智能体必须是 type=1（API） 工作流；对话型流程不能直接挂到表单组件。
• 识别质量取决于模型、图片清晰度与提示词；关键字段建议保留人工复核。
• 子表拖拽文件走子表自己的 drop_command，与本文「表单 OCR 自动填充」不是同一机制。

常见问题

• 上传后无反应：检查组件是否启用智能体、agent_id 是否有效、站点是否开启运行时智能体。
• 有响应但不填值：确认返回处理方式为「自动填充」，且返回体为合法 JSON、键名与控件 key 一致。
• 识别不准：优化提示词、换视觉模型，或缩小需识别字段范围。

相关文档

• 表单引擎
• 表单组件
• 模型管理
• 智能体节点