技能介绍

解决的问题

报销时最繁琐的往往不是算账，而是把散落在邮箱里的发票、行程单、火车票逐张下载、打开、识别、核对、拼接成可报销材料。本技能针对这种重复劳动：它从指定邮箱搜索相关邮件，下载 PDF 附件，并进一步生成一份按 A4 排版的合并 PDF 和一份单 Sheet 费用清单 Excel。对于常见电子发票，优先读取 PDF 文字层；扫描件可回退到 OCR。流程重点不是让模型逐字段“抄票”，而是用脚本完成提取、解析、合并和制表，减少人工核对成本。

工作方式与边界

技能先检查邮箱授权、PyMuPDF、openpyxl 等依赖，再按 UID 去重，避免重复处理。搜索时不以低 --limit 截断，先合并发票与行程单关键词，再筛选含 PDF 附件的邮件。附件下载后可解压 12306 或航空邮件中的压缩包，随后执行三级提取：L1 用 PyMuPDF 直读文字层，L2 用 Tesseract OCR，L3 用 PaddleOCR；解析结果写入 JSON，再由 generate_excel.py 生成单 Sheet 清单。合并 PDF 会把发票和行程单上下拼成 A4，12306 火车票则按真实车票尺寸缩放，并在左侧预留财务打孔区。

适用边界较明确：发票附件最好是 PDF，OFD、XML、图片无法自动处理；金额不一致会在 Excel 备注中标红；若流程中断，已处理 UID 和附件会保留，便于恢复。