本文分享了在审计作业中，使用RPA结合大模型解决票据6+10分类问题的场景。文章介绍了所面临的挑战，包括数据不规范录入和Excel匹配困难等问题。通过尝试使用通义千问等AI工具，结合影刀RPA全中文拖拽，实现了批量自动化的大模型问答和数据录入。同时，文章还提到了影刀GPT4的免费使用，以及对于企业版影刀中AI应用的构建和调用，涉及外部厂商大模型调用费用的问题。最后，文章提到新茶馆主页即将上线。
文章中提到的票据6+10分类是审计作业中的一项挑战，包括6家大型商业银行和10家上市股份制商业银行的范围。作者分享了使用RPA和AI工具来解决这个问题的实践，包括使用影刀RPA全中文拖拽工具，以及尝试使用通义千问等AI工具来提高效率。
在做票据台账的人不一定会规范地录入数据，使用Excel匹配困难。作者通过尝试使用AI工具来解决这个问题，例如使用正则表达式匹配和影刀的GPT等工具。
影刀RPA全中文拖拽工具在解决票据分类问题中起到了关键作用。作者详细介绍了如何使用该工具实现自动化的大模型问答和数据录入，包括简单的实现步骤和原理。此外，影刀RPA还提供了AI应用构建和调用的功能，可以方便地调用外部厂商的大模型。
文章最后提到了新茶馆主页即将上线，让读者期待新的体验和功能。
大家周末好呀，一个月没发文了，最近在探索和尝试一些RPA结合大模型的落地场景，这次分享一个场景，不一定很实用，但可以给大家提供一个思路
在审计作业中，票据6+10的分类是一个比较让人头疼的活，6+10的范围：
6 家大型商业银行：中国银行、中国农业银行、中国建设银行、中国工商银行、中国邮政储蓄银行、交通银行
10 家上市股份制商业银行：招商银行、浦发银行、中信银行、中国光大银行、华夏银行、中国民生银行、平安银行、兴业银行、浙商银行、渤海银行
头疼在做票据台账的人，不一定会规范地录入数据，使用excel还不太好匹配（用正则可以一定程度上解决）
例如到你手上的数据可能长这样
：
我们直接打开通义千问，看目前的AI是否能有能力解决这个问题
（
在反复修改了
提示词以后，
目前这样提问的正确率能接受
）
可以看出目前大模型已经有了一定的能力来解决这个问题，只不过一个一个问，再将回答一个一个贴到excel效率比较低，因此就只用解决最后一步，即批量自动化实现大模型的问答以及数据录入
这次使用的工具是
影刀RPA
全中文拖拽，有一丢丢编程基础的话应该能很快的做出来，没有任何编程基础，也能跟着步骤点出来（影刀的好处是有完整的一套官方中文教程，生怕你学不会的那种）
简单实现（只用8行）：
原理就是先获取目前打开的excel
然后获取总行数，再从第二行开始向下循环
