用 Gemini 视觉把银行对账单 PDF 转成 Markdown

用 Gemini 视觉把银行对账单 PDF 转成 Markdown

一个 n8n 工作流，像人一样“看”银行对账单。它从 Google Drive 下载一份 PDF，让 Stirling PDF 服务器把每一页变成图片。
Gemini 把每一页写成带表格的 Markdown，第二个 Gemini 步骤再列出每笔存款的日期、说明和金额。

里面有什么

• workflow.json：n8n 导出的工作流，十四个节点，其中两个是便签。里面没有任何凭据。
• README.md：这份说明。

和原来的副本相比，我们改了什么

• 两个 Gemini 步骤原来要的是 Google 的模型列表里已经没有的 1.5 模型。它们现在用 models/gemini-3.8-flash，这个模型可以读图片。
• Stirling PDF 的地址、Google Drive 的文件 id 和便签里的一个 Drive 链接都是私人的。现在它们是占位符 <YOUR_STIRLING_PDF_URL> 和
  <YOUR_BANK_STATEMENT_FILE_ID>。
• 原版把页面图片按文件名当文本排序，所以第 10 页排在第 2 页前面。现在 Images To List 从每个文件名里读出页码，Sort Pages
  按这个数字排序。如果文件名里没有数字，这一页就保留它在列表里的位置。
• Transcribe to Markdown 里的指令有一处拼写错误，存款指令也重新写过。
• 几个节点改了名，说明它们做什么。连线没有变。两个便签重写了，其中一个现在提醒你对账单是私密的。

开始之前

• 一个 Google 账号，它的 Drive 可以用 OAuth2 连接，里面放着 PDF 对账单。
• 一台你自己运行的 Stirling PDF 服务器。公共服务器会看到整份对账单。
• 一个 Google Gemini API 密钥。
• 带 GraphicsMagick 的 n8n，供 Edit Image 步骤使用。n8n 的 Docker 镜像里有它。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File。选中 workflow.json。
2. 添加一个 Google Drive 凭据，在 Get Bank Statement 里选中它。把 <YOUR_BANK_STATEMENT_FILE_ID> 换成你的 PDF 的 id，
   也就是分享链接里 /d/ 后面的那一段。
3. 启动你自己的 Stirling PDF 服务器。在 Split PDF Into Page Images 里，把 <YOUR_STIRLING_PDF_URL> 换成它的地址，
   结尾不要加斜杠。
4. 添加一个 Google Gemini 凭据，在 Gemini Model for Pages 和 Gemini Model for Deposits 里选中它。
5. 先用一两页的对账单手动跑一次，看过输出，再去试长的。

一次运行的过程

1. Get Bank Statement 下载 PDF。
2. Split PDF Into Page Images 把它发给 Stirling PDF，要求每页一张 300 dpi 的 JPG。返回的是一个 zip 文件，
   Extract Zip File 把它打开。
3. Images To List 为每张图片生成一项，并给它一个页码。Sort Pages 把这些项按页码排好。
4. Resize Images For AI 把每张图片缩小到 75%。
5. Transcribe to Markdown 把每张图片发给 Gemini，收回这一页的 Markdown，表格仍是 Markdown 表格。
6. Combine All Pages 把各页文字合成一个名为 pages 的列表。
7. Extract All Deposit Table Rows 把所有页面一起发给第二个 Gemini 模型，返回一份带日期、说明和金额的存款清单。

想换个结果，改这里

• 对账单：Get Bank Statement 里的文件 id。
• 图片的清晰度：Split PDF Into Page Images 里的 dpi 字段。
• 图片缩小多少：Resize Images For AI 里的百分比。
• Markdown 的规则：Transcribe to Markdown 里的那段指令。
• 最后列出什么：Extract All Deposit Table Rows 里的指令和字段。
• 模型：两个 Gemini 节点。

值得知道的事

• 每一页都会作为图片发给 Google 的 Gemini 服务。先查看你银行的条款和你自己的规定。
• 每页一次 Gemini 调用，再加一次给存款清单。对账单越长，花费越多，耗时也越长。
• 模型可能读错一个数字，或者把两行并成一行。请把每个金额和 PDF 核对一遍。
• 所有页面作为一段文字到达最后一步。Mindket 没有查 Gemini 对这段文字大小的限制。
• 存款模型把危险内容的安全类别设成了不拦截。这在原版里就有，意思是 Gemini 不会因为这个类别而不给出回答。
• 最后一步用的 schema 是一个列表。Mindket 没有运行过它，如果 n8n 不接受，就把列表包进一个只有一个字段的对象里。
• Mindket 没有用 Google Drive、Stirling PDF 或 Gemini 运行过这个工作流。页码代码只在本地电脑上用示例文件名测试过。
  Stirling PDF 的字段和 Gemini 的模型名依据的是文档和已读过的资料，不是一次真实调用。