跨境交易监管

解决什么问题

跨境交易的证明材料散落在邮件、报价单、合同、PO、报关单、运单、发票、水单甚至催款函里，格式混杂（PDF/Word/Excel/图片/.eml）。业务、财务、关务各查各的，一旦要复盘一笔订单的完整链路或应对审计，只能靠人工翻找，耗时且容易漏单。

核心能力与工作流程

输入与解析：cli.py 的 --input 支持目录、单个文件或 .zip 包三种输入。目录递归遍历；zip 自动解压一层（嵌套 zip 不再递归，防 zip-bomb），再按扩展名分发到 txt/csv/eml、docx、pdf、图片 OCR 解析器。无法解析的文件（如 .exe）会被明确跳过并写入报告，不会误分类。

五阶段分类：基于文件名 + 正文关键词权重，自动归入订单/价格沟通、下单、发货、付款、催款五个阶段，规则可在 config/classify_rules.json 调整。

字段抽取与校验：用正则与关键词启发式抽取日期、金额、单号、交易主体等字段（schema 见 config/field_schemas.json），随后做金额勾稽、单号关联、时间线一致性检查，并对缺失材料、超期未付生成风险标记。

输出：生成 .xlsx（0-汇总概览 + 5 个阶段共 6 个 Sheet），风险列红色高亮；原始材料按阶段复制归档，产出 归档清单.csv 与 archive.zip。stdout 只输出纯 JSON 报告（含 anomalies 与 reminders），其余诊断走 stderr，方便脚本管道接入；退出码 0/1 区分成功与无可处理文件或出错。

建议的交互流程：先跑分类预览让用户确认阶段归属，再抽取字段并人工补录修正，最后校验并交付。

适用边界

抽取逻辑是正则/关键词启发式，排版自由的扫描件依赖 OCR，复杂表格建议人工复核。报告中的 reminders 是静态节点提醒，只派生可行动待办；要实现「到截止日自动推送」，需外接 workbuddy automations 桥接。金额与时间校验按单币种、单时区简化处理。CLI 为单进程设计，不要多进程写入同一 --output 目录。