当前位置：首页 > news >正文

Kimi-VL-A3B-Thinking图文推理实战：从图像中提取结构化数据生成Excel

news 2026/7/22 12:53:37

Kimi-VL-A3B-Thinking图文推理实战：从图像中提取结构化数据生成Excel

1. 引言

在日常工作中，我们经常需要从各种图片中提取结构化数据并整理成表格。传统方法需要人工查看图片、手动录入数据，效率低下且容易出错。今天，我们将使用Kimi-VL-A3B-Thinking这个强大的多模态模型，实现从图片自动提取信息并生成Excel表格的全流程。

Kimi-VL-A3B-Thinking是一个高效的开源混合专家视觉语言模型，具备出色的图文理解和推理能力。通过本教程，你将学会如何：

部署Kimi-VL-A3B-Thinking模型
使用Chainlit前端与模型交互
从图片中提取结构化数据
自动生成Excel表格

2. 环境准备与模型部署

2.1 模型简介

Kimi-VL-A3B-Thinking是一个基于MoE架构的视觉语言模型，具有以下特点：

仅激活2.8B参数，运行效率高
支持128K长上下文窗口
具备强大的图文理解和推理能力
在OCR、数学推理、多图像理解等任务上表现优异

2.2 部署验证

使用以下命令检查模型是否部署成功：

cat /root/workspace/llm.log

如果看到类似下面的输出，说明模型已成功加载：

[INFO] Model loaded successfully [INFO] Ready to serve requests

3. 使用Chainlit调用模型

3.1 启动Chainlit前端

Chainlit提供了一个简洁的Web界面，方便我们与模型交互。启动后界面如下：

3.2 基本使用示例

上传一张包含文字的图片，例如店铺招牌：

提问："图中店铺名称是什么"，模型会准确识别并回答：

店铺名称是：XX咖啡

4. 从图片提取数据生成Excel

4.1 准备数据源图片

我们以一张包含多行数据的表格图片为例：

4.2 设计提问策略

要实现结构化数据提取，需要设计合理的提问方式：

questions = [ "这张图片中有多少行数据？", "第一行的各列标题是什么？", "第二行的数据内容是什么？", # 以此类推... ]

4.3 自动化处理流程

以下是完整的Python代码示例，实现从图片到Excel的自动化转换：

import chainlit as cl import pandas as pd from PIL import Image import io @cl.on_message async def process_image(message: cl.Message): # 检查是否包含图片 if not message.elements: return # 获取图片 image = message.elements[0] img_bytes = await image.upload() img = Image.open(io.BytesIO(img_bytes)) # 第一步：识别表格结构 response = await cl.AskUserMessage( content="请描述这张表格的结构（行列数）", timeout=30 ).send() # 第二步：提取表头 header_response = await cl.AskUserMessage( content="请列出表格的列标题", timeout=30 ).send() # 第三步：逐行提取数据 data = [] for i in range(1, row_count+1): row_data = await cl.AskUserMessage( content=f"请提取第{i}行的数据", timeout=30 ).send() data.append(row_data.split(",")) # 生成DataFrame df = pd.DataFrame(data, columns=header_response.split(",")) # 保存为Excel excel_path = "output.xlsx" df.to_excel(excel_path, index=False) # 返回结果 await cl.Message( content=f"数据已提取并保存为Excel文件：{excel_path}", ).send()