🖼️➡️📊 Image Table to Excel

从多张图片中自动识别表格数据，按时间排序后一键生成格式优美的 Excel 表格。

> 💡 无需手动录入或用额外的 OCR 工具，直接喂图片，AI 逐张识别、合并排序、生成格式化的 Excel 输出。

适用场景

• 🚗 打车/网约车订单截图 → 统一整理的行车轨迹表
• 💰 银行交易流水截图 → 结构化财务明细
• 📦 外卖/快递订单记录 → 消费轨迹分析
• 📇 通讯录/名单截图 → 可编辑的联系人表格
• 🧾 任何包含结构化表格数据的图片

工作流程

第1步：收集图片信息

1. 确认用户提供的图片路径列表（绝对路径）
2. 如果用户只描述了目录，使用 ls 找到目录下所有图片文件（.png / .jpg / .jpeg / .bmp 等）
3. 按文件名排序，确保图片处理顺序一致

第2步：逐张识别图片内容

1. 使用 Read 工具逐张读取图片（Read 支持多模态图片识别）
2. 关键规则：逐张仔细识别，不允许跳过任何一张
3. 从每张图片中提取：
• 列名（表头）
• 每一行的完整数据（所有字段）
• 特别注意时间/日期列 — 这是后续排序的关键字段

> ⚠️ 如果 Read 返回「当前模型不支持图片」，告知用户切换到多模态模型后再试。

第3步：合并与排序

1. 将所有图片识别出的数据合并为一个总列表
2. 自动定位时间列（通常是「订单创建时间」「日期」「时间」等）
3. 核心规则：按整体时间从早到晚统一排序——不是每张图片内部单独排
4. 如果日期和时间分散在不同列，合并为完整 datetime 再排序
5. 注意跨日期订单（如 23:27 出发、次日 0:00 到达），完成日期可能晚于创建日期

第4步：生成 Excel

1. 检查 openpyxl 是否已安装：python3 -c "import openpyxl; print(openpyxl.__version__)"
2. 未安装则执行：pip3 install openpyxl
3. 编写 Python 脚本生成 Excel，务必遵循以下格式规范：

1. 每行一条记录——绝不把多条记录挤在一行

> 📄 完整 Python 代码模板见 references/excel_template.py

第5步：交付

1. 用 deliver_attachments 将 Excel 文件交付给用户
2. 文本回复中简要说明：
• 总记录数
• 时间跨度（如 2022/3/11 ~ 2023/12/30）
• 图片来源数量
• 表格包含的所有列名

注意事项

• 🚫 不要跳过图片：每张都必须识别，即使内容看起来相似
• 🔄 全局排序：合并后再排序，不在单张内排序
• 🔤 保留特殊字符：地点名中的「·」「|」「—」等不要丢失
• ⏰ 跨日时间：开始时间和结束时间跨日期时，结束日期可能比开始日期晚
• ⚡ 合并单元格慎用：仅在确实需要时使用，不要破坏数据完整性

实战示例

输入：10 张滴滴打车订单截图

输出：一份包含 114 条记录的 Excel，涵盖 2022/3 ~ 2023/12，格式如下：