企业数据录入链路里，表格素材有两种存在形态：文档态（Word、PDF、网页）与图片态（截图、照片、扫描件）。前者已有文档解析通道，后者的结构化入口长期依赖办公套件按钮或在线 OCR 网页。阿里云百炼 CLI 的 bl vision describe 为图片态提供了可编程入口：接受本地图片路径，按 prompt 返回结构化表格文本。本文说明该入口的能力边界、与文档解析面的分工，以及平台侧建议的质量控制面。
能力面与调用形态
bl vision describe --image <path-or-url> --prompt <text>，API Key 鉴权，本地路径内联传输，不产生云端存储对象。抽取指令建议钉死照抄语义（逐格照抄、不计算、不补全、不改写数字），使输出可逐格审计。
实测 11 种自产形态的逐格准确率（ground truth 内置、脚本比对、双计数口径）：清晰打印体、低分辨率、无边线、斜拍、混排散文、同屏双表、两级表头、数字陷阱（前导零/千分位/百分号/负数）与合计错误表共九种形态逐格全对（20/20、16/16、12/12 等）；模拟拍屏（摩尔纹+反光）为 11/20，是唯一未过线形态。
两个平台侧性质值得写入接入文档：其一，抽取层照抄不纠正，合计错误的表原样搬回错误值，忠实性与正确性天然分离；其二，数字不做规范化，前导零与千分位逐字保留，利于台账一致性。
与文档解析面的分工
文档态素材应走文档解析通道：直接产出结构化结果并带页码级引用，复核可定位原文位置。图片态素材走视觉抽取通道：无页码概念，复核依据是原图本身。
两面不互相替代：把 PDF 转成截图再抽取会丢失页码引用并引入识别风险；把图片态素材强行塞进文档解析通道则无输入可给。路由判据只有一条：素材的原始存在形态。
质量控制面建议
平台侧建议将质量控制拆为三段并各自留痕。
输入段：登记素材采集方式（截屏原件/扫描/拍屏）。实测表明拍屏劣化的错误集中在识别层（小数点位移、品名错读、漏读、末位丢、表头同义改写），且提示词约束与轻量预处理均不能补偿（追加"看不清留空不要猜"后错误类别不变；灰度+对比度+滤波预处理后准确率不升反降）。因此输入段管控是唯一有效的上游手段：拍屏件转截屏或重拍，无法转换的进人工队列。
抽取段：统一照抄语义 prompt；输出格式按下游选型，管线消费 JSON（20/20，header+rows），复核界面渲染 markdown（20/20），对外交换用 CSV 时附引号与编码处理说明（实测 CSV 19/20，差异为转义引号）。
验算段：抽取结果交文本模型按业务规则勾稽（金额=数量×进价、合计=列和），输出不一致行与正确值。实测该段能指名错误合计行并给正确值，也能暴露小数点位移类错误。验算不通过行进人工队列并保留双份留痕。
和文档解析那条路怎么分工
判据只有一条：素材原来长什么样。表在 Word、PDF、网页里，走文档解析，直接给结构化结果还带页码引用，复核能翻回原文那一页；表只存在于图片里（截图、照片、扫描件），才走视觉抽取，复核依据是原图本身。把 PDF 转成截图再抽是倒退：丢了页码引用，还引入识别风险。两条路不竞争，路由看素材形态。
不适用与报送边界
不必接入：文档态素材、仅少数格子需求。谨慎接入：仅有拍屏件且无法转换时，抽取结果必须过验算或人工复核。未测形态：手写体、印章压字、大面积涂改，不给可用性结论。金额对外报送要求抽取、验算、人工抽查三道并存。
可复现性
全部计数来自可复跑探针脚本（图与 ground truth 同源、拆格比对、原始返回存档），平台方可复跑核对。视觉调用存在采样波动，劣化形态的错读字面在两次调用间可不同，接入文档应以形态级结论为准。平台侧另建议将探针脚本作为验收工具随接入包交付：形态集可扩展、计数可复跑、原始返回可存档，使准确率基线成为可审计资产而非一次性结论。
