文章介绍了阿里推出的开源视觉模型qwen2-vl及其在审计行业的应用。模型能够在本地电脑上运行，辅助完成合同识别、回函信息检查、发票识别和会计凭证审核等工作，并能以json格式输出信息。文章还提到不同AI模型可以替代人的基础工作，并提到了audit dog网站上的审计军火库迁移。
介绍了qwen2-vl模型在审计行业的应用，包括合同识别、回函信息检查、发票识别和会计凭证审核等场景，并强调了其能够替代部分基础审计工作的潜力。
阐述了AI模型如何辅助人的思考、分析和输出，从而替代基础审计工作。强调了不同AI模型（如大语言模型和视觉模型）的协同作用，以及它们在未来审计行业的潜力。
提到了qwen2-vl模型有大小两个版本，即使是较小的版本也能展现出很好的效果。同时强调了该模型能够很好地结合其他AI模型，共同辅助审计工作。
提到了审计军火库已经迁移至audit dog网站，但没有具体展开其内容和意义。
大语言模型相当于人的大脑，可以辅助人的思考、分析活动。
而视觉模型就相当于人的眼睛，可以辅助人去“看”、“检查”、“观察”。
如果再加上 agent 或者说一些自动化的程序来辅助人的手来输出，
那么基本上就可以完整的代替基础的审计民工了。
之前介绍过 Internvl 开源的视觉模型，当时由于它不能跑在我的 mac 电脑上，所以只是用的官方 demo 来进行的测试。
而今天，我想给大家介绍阿里出的 qwen2-vl 开源视觉模型，在自己本地的 mac 电脑上跑起来了，效果很好。
我还是以之前列举过的几个场景来体验下它的能力：
合同识别
例如，这里有一份合同信息。对于审计来说，我们可能会让实习生去整理这些合同的信息录入到表格中，或者与公司凭证、台账进行检查。
而用这个模型，我们只需要动动嘴皮子就能轻松完成。
我告诉它“帮我提取出合同中甲方、乙方、日期、合同金额”
甚至，你可以直接让其以 json 格式输出给你：
这不就是那些商用接口提供的样式吗？
有这个能力，完全可以批量识别合同，将关键信息提取出来，输出成表格。
回函信息检查
我们再以询证函回函检查为例，统计回函信息，很多时候也是实习生一个一个录的。
我直接提问：“请帮我提取出回函结论中，“信息不符，请列明不符项目及具体内容”单元格内的手写的文字信息。”
文字是全对的，数字金额有点不太对。毕竟是手写的，识别成这样其实不错了。
这有什么用呢？
目前各个所都建了函证中心，都有函证系统，那么完全可以调用这个模型的能力，
将回函信息提取出来，待审计人员审核检查并修订。
