Xiaomi-OCR-0 是一款 0.8B 的统一文档解析与 OCR 视觉语言模型，其关键信息抽取（KIE）能力可以一键从小票、发票、证件图片中提取结构化 JSON。本教程面向新手，带你走通两条最常用的路径：浏览器 Demo 网页操作和 MCP 工具调用，几分钟后即可拿到可直接入库的键值 JSON。

KIE 是什么？为什么用它提取小票发票？

KIE（Key Information Extraction，关键信息抽取）与整页 OCR 不同：它不输出全文 Markdown，而是只提取你关心的字段，直接返回 JSON 对象。

对于财务对账、票据录入这类"图 → 字段"的重复劳动，KIE 是最短路径：你给字段名，模型给 JSON，缺失字段自动填空字符串。

路径一：浏览器 Demo 三步提取发票 JSON

浏览器 Demo 是新手最快的上手方式，无需写任何代码，网页里选图、填字段、点运行即可。

第 1 步：启动本地模型服务

需要 Python 3.10+ 与 SGLang 或 vLLM 推理环境（二选一），先获取代码：

git clone https://gitcode.com/gh_mirrors/xi/Xiaomi-OCR-0 cd Xiaomi-OCR-0

任选其一启动模型（首次会从模型仓库下载权重）：

python -m sglang.launch_server --model-path SeerRay-Lab/Xiaomi-OCR-0 \ --host 127.0.0.1 --port 8000 --context-length 16384

vllm serve SeerRay-Lab/Xiaomi-OCR-0 \ --host 127.0.0.1 --port 8000 --max-model-len 16384

第 2 步：打开 Demo 网页

另开一个终端运行：

python -m pip install -r requirements.txt python demo/server.py --port 8787

浏览器打开http://127.0.0.1:8787，页面支持中英文切换。

第 3 步：选 KIE 任务，填入字段，一键提取

在任务栏切到KIE，上传小票或发票图片，然后在"想提取哪些字段？"输入框中填写字段名，用逗号或换行分隔，例如：

发票代码, 发票号码, 开票日期, 购买方, 销售方, 金额, 税率, 税额

点击运行，结果会以格式化的 JSON 实时显示，可直接复制或下载。小技巧：字段框留空时，模型会自动抽取图中的主要关键信息（通用键值抽取）。

仓库自带真实样例图，可以直接点开试效果，发票样例见 demo/samples/ 目录。

路径二：用 MCP 工具 kie_image 在 Agent 中批量抽取

如果你希望把 KIE 接进自动化流程，仓库内置了 MCP 服务，提供kie_image工具，支持本地路径、URL 或 Base64 三种图片输入：

MCP 会自动完成图片预处理、KIE 提示词构造、JSON 解析与清洗（模型输出若不是合法 JSON，会返回warning提示而不是静默失败）。字段指定时还会按你给的字段顺序补齐缺失键，保证输出结构稳定。

核心实现位于 skills/xiaomi-ocr/mcp_ocr_server.py，安装与 Agent 接入说明见 skills/xiaomi-ocr/SKILL.md 和 INSTALL.md，MCP 配置模板参考 examples/mcp-config.json。

典型的抽取输出形如：

{ "发票代码": "044001900211", "开票日期": "2026-03-12", "购买方": "小米科技有限责任公司", "金额（小写）": "128450.00", "税率": "13%" }

常见问题与实用技巧

• 📷 图片用 KIE，PDF 用文档解析：当前 Demo 中 PDF 仅支持文档解析，KIE 和 VQA 请上传图片，这是官方文档的明确说明（见 demo/README.md）。
• ❓ 字段名写中文还是英文？都可以。模型按你给的字段名作为 JSON 的键输出，建议与下游系统的入库字段保持一致。
• ⚠️ 模型输出不含 JSON 怎么办？MCP 会返回warning: Model output did not contain a JSON object，通常是图片模糊或字段与实际内容不符，换更清晰的图或放宽字段即可。
• 🚀 想进一步做整页解析？KIE 和文档解析（region 区域模式 / page 整页模式）在同一个模型与同一套服务里，区域模式需额外安装 PaddleX 依赖，详见 README.md 的"可选区域模式依赖"。

参考资料

• 项目总览与性能基准：README_zh.md
• 浏览器 Demo 说明：demo/README.md
• KIE 工具源码：skills/xiaomi-ocr/mcp_ocr_server.py
• 本地安装指南：INSTALL.md
• 示例图片与参考结果：example_pics/

跑通一次小票抽取只需三分钟，建议先用 Demo 里的样例图验证环境，再把自己的票据批量接进去。