用 Dify Agent 智能辨識高鐵票，分批上傳後再匯出 Excel

前言

使用 Dify 自動辨識高鐵票一篇中，
我們在 Dify 建立聊天流來辨識高鐵票，一次對話處理一個，這種方式適合固定的作業流程，例如後續還要呼叫費用系統 API 等情境。

如果我有 20 幾圖，而 Dify 聊天流最多只能一次上傳10張圖片，
那麼，可以多次上傳圖片進行辨識，最後再匯出 Excel 嗎？

像這種需要根據使用者要求執行對應任務的情境，可以改用 Dify 的 Agent + Tools 來實現，
以下就來實作這個多次上傳圖片進行辨識，最後再匯出 Excel 檔案的流程。

實作

建立 JSON 匯出 Excel 的工作流

1.在開始節點中加入 2 個字串型態的輸入字段，對應 Json2ExcelTool 的參數(json, filename)，如下圖所示:

2.在 Json2ExcelTool 節點，將這 2 個輸入字段對應到 Json2ExcelTool 的輸入變量，如下圖所示:

3.結束節點增加result輸出變量，值來自 Json2ExcelTool 節點的輸出變量 files，如下圖所示:

4.發佈為工具
按下「發佈」->「發佈更新」後，

再點「發佈為工具」，設定工具名稱及描述，如下圖所示:

• 註: 本來想直接使用 excel-dify-plugin ，但無法正確顯示檔案，因此改用工作流來實現。

建立 Agent

1.建立 高鐵票 Agent
選擇 Agent ，並輸入名稱，如下圖所示:

2.設定模型
這裡我們選擇GPT4.1-mini

3.啟用視覺功能

4.設定工具
加入前面建立的[JSON 匯出 Excel 的工作流]工具，如下圖所示:

5.設定提示詞

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，並支援票券資訊的累積、查詢與匯出。請依照以下指示執行：

---

## 功能說明

1. **累積辨識結果**  
   每當使用者上傳新的高鐵票圖片並完成辨識後，請將本次辨識到的所有票券資訊（JSON 陣列）加入到現有的票券記錄清單中，並保留所有已上傳的票券資料，直到使用者明確要求清除或結束。

2. **查詢累積結果**  
   當使用者要求檢視或查詢時，請回傳所有已辨識票券的累積資訊（JSON 陣列）。

3. **合併匯出 Excel**  
   當使用者要求「匯出 Excel」時，請將每次辨識所得的 JSON 陣列全部合併成一個完整陣列，然後將此陣列以「標準 JSON 陣列字串」傳遞給 JSON 轉 Excel 工具（json 欄位），產生 Excel 檔案，並在工具產生 Excel 檔案後，提供下載連結。
   - 請確保 json_str 為標準 JSON 陣列格式，例如：
     [
     {"票面號碼":"123","乘車日期":"2024/07/01", ...},
     {"票面號碼":"456","乘車日期":"2024/07/02", ...}
     ]

---

## 辨識規則

- 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。
- 回傳內容請勿發表多餘評論，只需給出辨識到的票券結構化資訊。

---

## 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：
[]

進行測試

1.多次上傳圖片進行辨識，如下圖所示:

2.將所有辨識結果匯出成 Excel，如下圖所示:

結論

透過 Dify Agent + Tools 的架構，我們可以輕鬆實現高鐵票多次上傳辨識、自動累積所有結果，並在需要時匯出 Excel。
這種設計大幅提升了大量票據影像處理的彈性與效率，不但解決了 Dify 內建聊天流一次只能處理有限張圖片的限制，也讓資料整合與後續應用（如報帳、統計）變得更加自動化。

本實作展示了如何利用 Dify 的工作流與自訂工具串接，讓 AI 具備「資料多批整合」、「結構化欄位抽取」、「彈性匯出」等高階能力。
對於有批次票據處理需求、或想要將 AI 導入實際行政場景的開發者與企業，這是一個低門檻且高度擴充的解決方案。

參考資源

使用 Dify 自動辨識高鐵票
excel-dify-plugin