月度发票台账采集

解决发票文件散落的收集难题

月底整理发票时，最头疼的是文件散落在桌面、下载文件夹和微信接收目录中。文件名五花八门，格式混杂着 PDF 与图片。手动筛选并录入 Excel 不仅耗时，还容易因重复文件或模糊图片导致账目对不上。这个技能的目标是把散落的发票变成结构化数据，同时绝不触碰原始文件。

工作原理与核心步骤

技能采用严格的“两步走”策略，核心在于安全与可控。

• 第 0 步：准备工作与环境检查

自动在桌面创建以日期命名的输出目录 发票台账_YYYY-MM-DD，并确认 Python 环境中 openpyxl 可用，确保后续 Excel 生成不中断。

• 第 1 步：扫描与候选清单（需用户确认）

运行 scripts/scan_invoices.py 扫描桌面、下载及微信目录中近 30 天的文件。脚本会输出 candidates.json，包含 invoice_score 与重复检测标记。
系统会将高置信度文件与待定文件分类，呈现表格让你确认。未获确认前绝不进入下一步。

• 第 2 步：逐张识别与台账生成

对确认后的文件，使用 Read 工具提取发票类型、购买方/销售方名称、金额、开票日期及发票号码。提取结果存入 invoice_data.json。
运行 scripts/create_ledger.py 生成 发票台账.xlsx，自动检测发票级重复（相同号码或金额+销售方+日期），生成包含“发票台账”、“疑似重复”与“识别不了”三张工作表的最终交付物。

适用边界与注意点

• 非 OCR 万能钥匙：它依赖 Read 工具的视觉识别能力。若发票图片极度模糊或字段被遮挡，技能会将其归入“识别不了”清单，而不是猜测。
• 文件级重复需人工干预：虽然能检测重复，但无法自动判断哪一份是最终保留的原件，疑似重复表仅供人工核对。
• 微信路径依赖：如果微信文件目录未自动探测到，需要手动通过 --wechat 参数指定路径，否则该部分文件不会被扫描。