一、引言：为什么选择 TextIn 与 Coze 搭建财报机器人？
面对季度、年度财报堆叠如山的 PDF 文档，技术团队如何快速、准确地将其中复杂的表格数据转化为结构化信息？本文将介绍一种高效实践方案：利用 TextIn 的智能文档解析能力，结合 Coze 的自动化工作流编排，快速构建一个能够处理多格式财报、抽取关键表格的自动化流程。
1.1 财报文档的典型难点
财报处理长期存在几大核心难点：
1. 表格结构复杂：资产负债表、利润表等核心表格常存在跨页、续表情况，且合并报表与母公司报表两套体系并存，单元格合并频繁，对程序的结构化识别构成首要挑战。
2. 文档格式多样：资料库中通常是电子 PDF 与扫描件图像混合共存，要求解决方案同时具备强大的文本解析与 OCR 版面分析能力。
3. 手工处理成本高昂：三大表及附注的手动复制、粘贴、核对工作极其耗时，且容易出错，难以满足及时性、准确性要求。
1.2 TextIn+Coze 方案的核心价值
本方案采用清晰的分工架构，将复杂问题模块化：
- TextIn xParse 引擎负责'读懂'文档：其强大的版面分析与表格识别技术，能统一处理电子 PDF 与扫描件，将混乱的原始文档转换为包含完整表格结构、段落标题的清晰 JSON 数据，为下游提取提供高质量的结构化输入。
- Coze 工作流负责'串联'自动化流程：可自动化编排'文件上传→调用 TextIn 解析→定位并抽取目标表格→输出至数据库/Excel'的完整管道。
- Coze Bot 提供交互层：可构建一个对话机器人，不仅支持触发自动化流程，更能基于抽取出的数据，提供报表摘要、关键指标对比、甚至问答解释，让数据结果可直接被业务人员使用。
这种组合将专业的文档解析、灵活的业务逻辑编排与友好的交互界面相结合，使开发者能聚焦于核心的抽取规则，快速搭建从原始文档到业务可用数据的端到端流水线。
二、方案应用速览
财报机器人使用演示：
工作流： ![工作流架构图]
输出结果： ![输出结果图]
三、架构设计
3.1 总体链路
- 用户上传财报 → Coze 触发工作流 → xParse → 代码节点抽取 → 输出结构化 tables
开始节点：接收用户上传的财报文件（File）。
TextIn 插件节点：将财报解析为结构化 JSON，核心使用 result.detail（包含 paragraph/table/image 等元素）以及 result.markdown。
代码节点：仅遍历 detail，通过'表标题 → 后续表格'方式抽取三大表，并统一输出为 tables{balanceSheet,incomeStatement,cashFlow}。
结束节点：将 tables / debug / markdown 输出给 Bot，用于展示与后续问答分析。
3.2 数据结构约定
TextIn xParse - 插件节点的输出（result.detail / result.markdown 等，详情见 TextIn xParse API 文档）
Response {
code: # 接口状态码
message: # 状态信息
result: {
markdown: # 文档级 Markdown
detail[] # 元素明细数组（只处理 type=table）
(仅当 item.type == 时关注)
type # 固定为 （表格块）
sub_type # (有线) / (无线)
page_id # 表格所在页（续表拼接用）
paragraph_id # 表格元素 ID（续表拼接用）
rows # 表格行数
cols # 表格列数
text # 表格整体文本（md/html；展示用，抽字段优先 cells）
continue? # 是否跨页/跨段续表（可选字段）
cells # 单元格数组（抽取字段核心）
row # 行号（从 开始）
col # 列号（从 开始）
row_span? # 行合并跨度（默认 ）
col_span? # 列合并跨度（默认 ）
text # 单元格文本（字段值通常从这里拿）
