提取 PDF 内容：Tokeny 实操案例

准备这次任务的输入

在 Tokeny 中新建工作空间，将下载的样例解压到工作空间，选择支持工具调用的模型。本例使用合成演示数据或文中列出的公开资料。

invoice.pdf

把任务交给 Tokeny

读取本地演示发票 PDF，提取文字和明细表成 CSV、Markdown，核对数量乘单价及总额。不要将 OCR 推测当作已确认金额。

交付文件：invoice.csv、extracted.md。
验收要点：
- 提取 3 条明细
- 总金额 380 元
- 保留来源页码
这是使用合成演示输入或指定公开资料的真实操作案例。请先读取工作空间输入，再实际生成文件并自检。所有写入、脚本与临时服务限于当前工作空间；临时服务只监听 127.0.0.1，执行后关闭；不触达外部收件人、不发布、不付款、不更改系统设置，不调用子智能体。需要公开资料时可读取给定 URL。只启用完成任务必需的工具。另写 report.md（中文）和 report.en.md（英文），简洁、完整，包含输入、处理步骤、真实结果、检查方式和局限；失败或未验证部分如实记录，不能宣称成功。最终回复用中文列出产物、关键结果与待核实项。
排版检查：Word 主标题仅出现一次，标题为黑色且与后续正文或表格保持同页；Excel 表头和长文字不能被窄列截断，合理设置列宽、换行、行高；HTML 在 390px 视口不能整页横向溢出。报告没有固定字数要求，不要为字数反复改写。

本次使用独立演示工作空间。复现时，请根据自己的文件与权限设置检查操作，确认后继续。

实际执行过程

任务从 Tokeny 输入框提交，由在线模型读取资料并调用工具实际执行。使用合成发票样例，检查提取的明细与总金额。

Tokeny 1.7.8 中「提取 PDF 内容」的真实执行会话与生成文件。点击可查看原图。

产物、结果与复核

输入

读取工作空间中的 invoice.pdf。文件为单页合成演示发票，文档自身注明“Not a tax document”和“Synthetic input for Tokeny scenario testing”。

处理步骤

使用 pypdf 读取 PDF 页数和每页文本层。
确认第 1 页存在完整、可复制的发票文本，因此未将 OCR 推测作为金额依据。
解析 3 条明细的项目、数量、单价和金额，并记录来源页码。
计算每条明细的“数量 × 单价”，再将明细计算金额相加。
将结果写入 invoice.csv 和 extracted.md，并复核输出内容。

真实结果

提取明细：3 条。
Notebook：10 × 12.00 = 120.00 元，匹配原文金额。
Pen：20 × 3.00 = 60.00 元，匹配原文金额。
Folder：10 × 20.00 = 200.00 元，匹配原文金额。
明细合计：380.00 元。
PDF 文本中的总额：380.00 元。
结果：明细合计与 PDF 总额一致，来源均为第 1 页文本层。

检查方式

逐行检查数量、单价和提取金额；用十进制金额计算 quantity × unit_price，并检查三条计算金额之和是否等于文本中的 Total: CNY 380.00。同时确认 CSV 含 3 条明细、总额行和 source_page 字段。

局限

该 PDF 是合成演示输入，不是税务文件；本次不判断税务有效性、业务真实性或币种换算。由于文本层已完整提取，未发生 OCR 金额推测，也没有未验证的金额项。

下载产物，自己核对

压缩包保存本次执行生成的文件。替换成自己的资料后，可以按下面的检查点验收。

提取 3 条明细
总金额 380 元
保留来源页码

invoice.csv · 1 KBextracted.md · 2 KBreport.md · 1 KBreport.en.md · 2 KB

下载本次实际产物