阿拉丁发票报销票据工坊

解决什么问题

月末报销季，财务面对的往往是一个塞满 .ofd、.xml、.pdf 的文件夹：发票散落各处，同一张票可能被不同人重复提交，抬头写错、税号缺位、金额勾稽不上、日期在未来的票也混在其中。手工核对意味着逐张打开、逐条记录，既慢又容易漏。

这个技能要把这件事自动化：把一整个目录的电子发票读进来，跑一遍确定性的查重与合规体检，最后产出一份可以直接交给财务的台账和审计报告，全程不需要联网。

工作机制

导入：

• .ofd：优先读取 OFD 结构化附件，版面文字仅作兜底；
• .xml：全电发票的原生数据；
• .pdf：复用零依赖的 PDF 文本层解析器，支持中文 ToUnicode，无需任何第三方库；
• .csv / .json：手工台账。
• 目录递归批量导入，原生数据直读，不经过 OCR，金额、税号等字段零识别误差。

查重与体检：

• 查重分三类：DUP_EXACT 同号精确重复、DUP_SUSPECT 同销售方+同金额+同日拆票疑似、CONSECUTIVE 同销售方连号预警；
• 体检覆盖：抬头一致性（--require-buyer）、税号格式（18 位统一社会信用代码 / 15 位旧税号）、金额勾稽（不含税+税额=价税合计）、税率档位、未来日期、大额预警（--big 阈值）；
• 所有规则是确定性算法，同输入必同输出，结论写进 audit.json，可复算、可追溯。

导出：

• ledger.xlsx：含台账 / 汇总 / 问题三个 sheet，支持按月、按费用类别、按销售方三维透视；
• dashboard.html：自包含的单文件审计看板；
• summary.md 与 ledger.csv：便于二次加工。

实现约束：

• 纯 Python 标准库，零 pip 依赖、零 API、零账号，发票数据不出本机；
• 解析不到的字段保持为空，并计入 MISSING 问题，绝不猜测填充。

边界与注意点

这个技能处理的是电子发票的原生数据，以下场景不适用：

• 纸质发票的拍照或扫描件：需要 OCR，请改用 OCR 类技能；
• 发票真伪查验：需要税局接口或第三方查验 API；
• 发票开具、报销单提交、税务申报：超出台账范畴，本技能不涉及。

此外，扫描版 PDF（无文本层）无法提取文字，工具会如实报错并提示改走 OCR 路线，不会静默跳过或生成半空结果。