使用 Dify 自動辨識高鐵票

前言

現在一些非手寫的車票、收據、名片等圖片，透過 Multimodal Large Language Models (MLLMs) 來擷取資料效果都還不錯。
以下將介紹使用 Dify 搭配 Azure OpenAI GPT-4.1-mini 來讓使用者上傳圖片，不管圖片中是一張還是多張高鐵票，不管是新式或是舊式的高鐵票都可以輕鬆且正確地擷取高鐵票資訊。

實作

1.建立聊天流 App

預設的流程就是「開始」->「LLM」->「直接回覆」

2.設定LLM
2.1.設定 LLM 節點的模型使用gpt-4.1-mini

你會發現 gpt-4.1-mini 後方有 chat 與眼睛圖示，代表該模型支援文字及圖片輸入（有眼睛圖示即表示支援圖片辨識功能）

2.2.啟用視覺功能

預設會帶入sys.files，這樣即可將使用者上傳的圖片自動傳遞給模型辨識。

2.3.設定 System Prompt

內容如下:

你是一個專業的「高鐵票辨識小幫手」，負責從上傳的圖片中辨識所有出現的台灣高鐵票券。請依照以下指示執行：
一張圖片可能包含多張高鐵票，請你針對每一張票獨立辨識、解析。
對於每張高鐵票，請抽取以下資訊（如有缺漏請以空值回傳）：
票面號碼（如有）
乘車日期
乘車時間
發車站
抵達站
車廂與座位（如有）
票種（如標準車廂/商務車廂/自由座/敬老/孩童/早鳥等）
價格

請將所有辨識到的高鐵票資訊以陣列結構回傳（JSON 格式），每個物件對應一張票。

回傳內容僅只需給出辨識到的票券結構化資訊，請勿多餘評論。
【範例輸出格式】
`
[
  {
    "票面號碼": "123456789",
    "乘車日期": "2024-07-01",
    "乘車時間": "13:20",
    "發車站": "台北",
    "抵達站": "左營",
    "車廂": "5",
    "座位": "12A",
    "票種": "標準車廂",
    "價格": "1490"
  },
  {
    "票面號碼": "",
    "乘車日期": "2024-07-01",
    "乘車時間": "13:20",
    "發車站": "台中",
    "抵達站": "台南",
    "車廂": "3",
    "座位": "8D",
    "票種": "自由座",
    "價格": "790"
  }
]
`
若無高鐵票：
`[]`
 

3.進行測試
使用單張車票高鐵攜手KKday、KLOOK推「國旅聯票」，搭行程就有85折高鐵票！一次看懂怎麼買進行測試，結果如下圖：

使用高鐵車票變大了！新版QR Code紙票今起3站先販售新、舊車票進行測試，結果如下圖：

測試結果顯示，辨識正確率達 100%。

結論

使用 Dify 搭配 gpt-4.1-mini，可以在不到 3 分鐘內建立高鐵票自動辨識流程，大幅提升票據數位化的效率與準確率。
此流程不僅適用於台灣高鐵票，也能根據需求擴展至台鐵票、發票、收據等各類型票據，實現資料自動化歸檔與管理。

與傳統人工輸入或一般 OCR 工具相比，本方案更省時、省力，並能結合 API 或 Excel 外掛(excel-dify-plugin)，靈活整合到現有的報帳或行政系統中。
無論是技術人員還是業務、行政同仁，都能輕鬆上手並根據實際情境調整設定。

未來若能進一步與內部資料流、RPA 流程自動化結合，將有助於打造更智慧的辦公環境。

• 提醒：極少數非標準票券或圖片模糊時，建議仍保留人工複核流程，以確保辨識品質。
• 在圖片辨識上面，目前使用 gpt-4.1-mini 比 gpt-4.1 還好

參考資源

excel-dify-plugin
高鐵攜手KKday、KLOOK推「國旅聯票」，搭行程就有85折高鐵票！一次看懂怎麼買
高鐵車票變大了！新版QR Code紙票今起3站先販售