銀行材料掃描件按戶拆分（批量材料→單戶Word）
觸發條件
- 客戶（律所/銀行/催收機構）發來批量材料壓縮包（RAR/ZIP 加密）或大 docx（61MB+，全是掃描件圖片）
- 要求「把身份證和開卡申請書拆出來，分別放到各自的 Word 文件裡」
- 要求「單戶 Word = 該客戶身份證正面 + 對應背面 + 對應銀行申請材料，一個不能漏」
- 用戶強調「從頭檢查一遍」——此類任務質量要求高，識別錯誤=客戶損失
用戶鐵律（2026-08-19 用戶）
- 單戶 Word 必須包含：身份證正面 + 對應背面（國徽頁）+ 對應申請材料（申請書），一張不漏
- 文件名標註清楚：
姓名-身份證+開卡申請書.docx - 待人工核對：識別不出/無法匹配的單獨放「待人工核對」資料夾，不混在正常結果裡
- 用戶要求統計：從識別開始到完成分拆的耗時、調用次數、token、費用——客戶可複制定價依據
完整工作流（5步）
Step1 解包
# 加密RAR用7z（本機 C:\Program Files\7-Zip\7z.exe）
"C:/Program Files/7-Zip/7z.exe" x -p"密碼" input.rar -y
# 客戶給的密碼要問用戶；RAR5格式7z可解
- 常見形態：RAR解壓後是一個超大 docx（如《影像材料2.docx》61MB），裡面沒有文字，全是圖片
Step2 從docx提取圖片
import zipfile
with zipfile.ZipFile('影像材料2.docx') as z:
media = [f for f in z.namelist() if f.startswith('word/media/') and f.endswith('.png')]
for f in media: z.extract(f, out_dir)
- docx本質是zip，圖片在 word/media/ 下，命名 image1.png~imageN.png
- 圖片編號 = 原始掃描順序，後面歸戶會用到
Step3 視覺識別分類（⭐核心：模型選型）
絕不用 GLM-4V-Flash 做關鍵證件識別！（本session實測幻覺：11/18張身份證背面被編造成「正面」+編造姓名）
用豆包 Seed 2.0 Pro（doubao-seed-2-0-pro-260215，VLM，準確）：
payload = {
"model": "doubao-seed-2-0-pro-260215",
"messages": [{"role": "user", "content": [
{"type": "text", "text": "這是銀行客戶材料掃描件。判斷類別並提取關鍵信息：\n類別只能是：身份證正面、身份證背面、開卡申請書、信用卡申請書、其他材料\n正面→提取姓名+身份證號；背面→提取簽發機關；申請書→提取申請人姓名\n輸出格式：類別：XXX\n姓名：XXX（無則寫無）\n身份證號：XXX\n簽發機關：XXX"},
{"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}}
]}],
"max_tokens": 200
}
# base_url: https://ark.cn-beijing.volces.com/api/v3/chat/completions
# KEY: .env 的 ARK_API_KEY
- 每張間隔1s防限流，每15張存進度json（斷點續傳），重試3次（429/超時等5-8s）
- 136張約35-40分鐘（17s/張）——後台跑+notify_on_complete
Step4 按戶歸組（正面定戶→背面匹配→申請書匹配）
- 正面姓名定戶：每張「身份證正面」提取姓名→建戶（每戶有fronts/backs/apps三個列表）
- 背面匹配（按簽發機關地區 ↔ 正面身份證前6位地區碼）：
- 維護地區碼→公安局名映射表（450122=武鳴、452128=武鳴、450126=賓陽...廣西為主，客戶是廣西銀行時）
- 匹配成功→歸戶；市級簽發機關（南寧市公安局/柳州市公安局）無法唯一匹配→豆包成對對比（一次傳正面+背面兩張圖問「是否同一人」）或待人工核對
- 申請書匹配（姓名）：直接匹配 + 拼音模糊匹配（pypinyin）：
lazy_pinyin(name)前2字同音即匹配（黃祉玲→黃令、唐咸梅→唐鳳梅、姚賢明→姚先明）- 手寫體申請書姓名識別偏差大，模糊匹配是救回的關鍵
- ⚠️ 別用「原始順序相鄰」匹配正反面——多人混排時會把別人背面歸錯戶（本session教訓：順序匹配44張>實際34張）
Step5 生成單戶Word（python-docx）
from docx import Document
from docx.shared import Cm
doc = Document()
# 標題（居中加粗）：{姓名} - 銀行材料
# 【身份證正面】→ 圖寬8cm，逐張 add_picture + 空行
# 【身份證背面】→ 同上
# 【銀行申請材料】→ 圖寬12cm
doc.save(f"{out_dir}/{name}-身份證+開卡申請書.docx")
- 文件名：
{姓名}-身份證+開卡申請書.docx - 未匹配背面/申請書 → 複製到
待人工核對/子目錄
成本統計（用戶要求，交付時給）
# 從API響應 usage 字段累計：prompt_tokens/completion_tokens
# 估算：高清掃描件每張≈2000 tokens輸入、200 tokens輸出
# 豆包Seed 2.0 Pro視覺：輸入≈0.008元/千tokens → 136張全量約2-5元
# 耗時：從識別開始到Word完成
交付給用戶的統計表：調用次數、輸入/輸出tokens、估算費用、總耗時（本session：136張≈180次調用、45萬tokens、3-5元、35分鐘識別+幾分鐘歸戶）
關鍵坑
- GLM-4V-Flash幻覺（本session最痛教訓）：識別不出就「編」——把背面編成正面+編造姓名。關鍵識別必須用豆包
- docx圖片提取：用zipfile直接讀 word/media/，不要用python-docx的inline_shapes（大文件慢且不全）
- PIL圖像增強：RGBA模式要先 convert('RGB') 才能做 Contrast/Sharpness/autocontrast；旋轉90°的身份證 h>w*1.5 時生成 ±90°兩個版本分別識別
- 地區碼映射表：廣西為主時手工維護縣→公安局映射（4501=南寧、4502=柳州...），客戶是外省時按身份證前6位查行政區劃
- 豆包慢：17s/張，批量必須後台跑+斷點續傳，別前台等
- 識別「看不清」的件：先PIL增強再二次識別，仍不行才進待人工核對
相關技能
- 視覺模型矩陣/費用紀律：見 model-cost-discipline（user-owned，僅參考）
- 本地OCR：deepseek-ocr（Ollama）適合整頁文字OCR，不適合證件分類
關於作者
九品錦鋰e ｜ 把踩過的坑封裝成「拿來就能跑」的 skill，不寫教科書。
這個 skill 是我自己在用的版本，裡面每條坑都是真踩過的。用的時候卡住了、想要進階玩法、或者有別的場景想讓我封裝成 skill，直接加我微信說，加時備註「SkillHub」我優先通過：
掃碼添加作者微信 · 備註「SkillHub」優先通過