Reading Invoice

請求書 画像読み取り

請求書の画像を読み取り、構造化データとして返すスキル。

PDF ファイルの場合

ファイルが PDF（.pdf）の場合、画像 OCR の前にテキスト抽出を試みる。

1. shinkoku pdf extract-text --file-path <path> を実行する
2. 抽出テキストに必要な情報（金額・日付・請求元等）が含まれていれば、テキストから構造化データを生成する
3. テキストが不十分（スキャン PDF 等）の場合は shinkoku pdf to-image --file-path <path> --output-dir <dir> で PNG に変換し、以下の画像読み取りフローに進む

画像読み取り方法

推奨: デュアル検証（並列2コンテキスト）

精度を高めるため、同じ画像を2つの独立したコンテキストで並列に読み取り、結果を照合する。

1. 2つの独立した読み取りを実行する: サブエージェントが使える環境では、2つのサブエージェントを並列で起動し、それぞれ独立に画像を読み取る。 各サブエージェントには以下の「基本ルール」と「出力フォーマット」をプロンプトとして渡し、画像ファイルパスを指定する。

2. 結果照合: 両方の読み取り結果から主要フィールド（金額等）を比較する。

3. 一致の場合: そのまま採用。「2つの独立した読み取りで結果が一致しました」と報告する。

4. 不一致の場合: ユーザーに元画像パスと両方の結果を提示し、正しい方を選択してもらう:

   • 差異のあるフィールドを明示する
   • A を採用 / B を採用 / 手動入力 の3択を提示する

フォールバック（サブエージェント非対応の場合）

サブエージェントが利用できない環境では、以下の手順で読み取る:

1. 画像ファイルを直接 Read ツールで読み取る
2. 以下の「基本ルール」と「出力フォーマット」に従ってデータを抽出する
3. 抽出結果をユーザーに提示し、必ず目視確認を依頼する

⚠ デュアル検証が利用できないため、必ずユーザーに目視確認を依頼してください。

基本ルール