阶段 1 — 文件读取

2.4 阶段 1 — 文件读取层

本阶段将收据图片或 PDF 转换为规则层可验证的文字。管线采视觉优先（vision-first）：对于图片，具备视觉能力的模型直接读取收据照片，因此常见路径跳过独立的 OCR 步骤。公开契约为本阶段的标准化输出，而非供应商名称。

对于图片上传，预处理后的图片以单次呼叫直接进入视觉提取阶段（2.5）。视觉模型同时处理读取与结构化栏位提取，这从同步路径中移除了一整个供应商往返，也避免提取品质与独立 OCR 引擎的行切分耦合。

在纯收据文字行上运作的下游阶段（规则层、商品配对）仍会收到 OCR 样式的输入：带阅读顺序的行列表由视觉输出重建，因此无论文件如何被读取，这些阶段都保持单一的输入格式。

数位发票以 PDF 到达。对这类文件，管线直接提取内嵌文字，当文件没有可用的文字层时，备援为将 PDF 转换成图片走视觉路径。这是传统文字提取步骤执行的分支；图片完全绕过它。

无论来源为何——视觉输出、PDF 文字，或操作员提供的文字倾印——读取结果都被标准化为单一内部格式：一个全文字串加上一个有序的行列表（lineNo、text）。后续阶段消费此标准化格式，因此栏位提取不会与任何原始供应商回应格式耦合。

文件读取阶段将品质讯号与错误类别携带至后续阶段。在低品质情况下，管线可依营运策略重新处理、请求使用者提供新图片，或以较低信心度继续处理。