本文探讨了利用多模态大模型进行发票数据结构化提取的实践经验，旨在实现模型稳定输出可用的JSON格式数据。传统OCR方法在复杂版式下效果不佳，而多模态模型如Gemini和GPT-4o能够有效理解图像和指令。文章介绍了微调和少样本提示的方法，强调数据格式和模型输出准确性的重要性，建议在训练中加入模糊样本，并在系统提示中强调格式要求，以提高模型的可靠性。