Local Receipt Sorter

Local Receipt Sorter 是一个完全在用户本地电脑运行的票据整理工具，借助 Gemma 视觉模型与 Ollama 本地推理框架，实现票据自动识别、字段提取、异常检测和导出。

Local Receipt Sorter 使用 Gemma 3 视觉模型（4B 参数）通过 Ollama 在本地提供服务，模型可通过环境变量切换到 12B 版本以提高精度。

Local Receipt Sorter 的技术栈包括 PyMuPDF 解析 PDF、Streamlit 提供交互界面、pandas 处理导出。

Local Receipt Sorter 强制模型输出符合 JSON schema，确保不同输入类型（PDF、照片、截图）返回的字段结构一致。

Local Receipt Sorter 没有让模型报告自身置信度，而是使用内置规则检查器自动标记缺失字段、错误或未来日期、非正数总额，以及小计与税额之和不等于总额的行。

创作者在 25 份文档上测试了 Local Receipt Sorter，包括 15 份 PDF、10 张照片和 15 张截图，作者承认该样本量只能证明可行性，不能证明可靠性。

关闭 Wi-Fi 后 Local Receipt Sorter 仍能正常工作，证实推理过程在本地完成。

Local Receipt Sorter 是 Hacktoberfest 挑战赛第二周“副业”主题的参赛作品，其代码已在 GitHub 开源。

Local Receipt Sorter 的商业化设想包括一次性授权出售给自由职业者、按月收费或提供按批次处理的代客服务。

Local Receipt Sorter 项目下一步计划包括增加测试文档、尝试更大模型、针对细分场景微调以及吸引第一位付费用户。