财务流水结构化清洗
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_2fd890c9/awsome-cash。
技能介绍
你在接账单文件时到底在烦恼什么
财务流水很少以整齐的形态出现。个人记账可能是备忘录里的一句话:3/15 滴滴出行 45.20;团队报销则常常拿到一份银行导出的 Excel,表头写着 Amt、sum、交易日期,不同月份文件混放;还有些人直接丢来一个公开网页链接,页面里的表格没有标准 schema。下一步无论是对账、归档、生成月报,还是把数据塞进 pandas,都要先做一件枯燥又容易出错的事:手工把非结构化文本变成稳定字段。
真正的痛点不仅是“抽出金额”,而是知道哪些能抽、哪些不能猜。日期只写了“上个月”时怎么办?交易方向只有“转账”而没有上下文时,应该写成收入还是支出?某个字段完全无法判断,是留空、报错,还是硬猜一个值?硬猜会把不确定性埋进下游分析里,后面排查成本更高。
这个技能实际做什么
@user_2fd890c9/awsome-cash 的工作范围很窄:只做财务文本数据的结构化转换,不负责财务建议、审计判断或异常交易预警。它把输入统一处理成 JSON 或 JSONL,并对每个字段附带 confidence 分数。
核心能力包括:
- 从自由文本中抽取
date、description、amount、direction等字段 - 将列名混乱的 CSV 映射到统一 schema,例如识别
Amt、金额、sum都对应amount - 读取
.xlsx/.xls首个工作表 - 从公开 URL 页面中提取表格或列表结构数据
- 批量处理同一目录下的文件,按命名规则识别前缀和序号后逐一转换
- 输出可选自定义字段;未提供时使用默认 schema
默认输出编码为 UTF-8,金额保留两位小数,日期使用 YYYY-MM-DD,方向输出 in 或 out。批量模式会生成 JSONL。
关键是不懂就标出来
技能采用置信度门控:信息不足时不做补全、不做汇率换算、不猜测缺失日期、不做重复交易检测。常见处理方式如下:
- 日期缺失或模糊:输出
[需核实:date],confidence 为0.0 - 金额含无法归一的非数字字符:输出
[需核实:amount] - 收支方向无法判断:输出
[需核实:direction] - 商户名称为空:输出
[需核实:description] - 分类无法匹配已知类别:输出
null,confidence 为0.4
如果某字段置信度低于 0.7,会在 meta.low_confidence_fields 中列出。目标不是把所有字段都填满,而是把“确定的部分”和“需要人工确认的部分”分离清楚。
适用边界与常见坑
它不处理加密或损坏文件;URL 模式只抓取公开页面,遇到登录页、403 或 404 会报错。批量处理要求文件名有可识别规律,例如 bill_01.csv、流水_202601.csv,不能依赖 新建文档(1).csv 这种随意命名。
它也不做图片或 PDF 扫描件识别,只处理文本层数据;不做币种归一,也不提供财务、税务、投资或法律建议。拿到输出后,比较稳妥的流程是先检查 confidence,再确认低分字段,最后用外部工具做二次加工。
使用场景
- 手头有一份银行导出表格,表头含金额、交易日期等混杂字段,任务是把每行整理成统一字段并保留置信度。
- 团队从多个渠道收集CSV账单,文件命名杂乱,需要按前缀和序号批量解析为同一种JSONL记录并合并结果。
- 用户提供公开示例页面链接,页面以HTML表格展示交易记录,需要提取每条记录形成结构化的date、description、amount字段。
- 自由文本记录只有“3/15 滴滴出行 45.20”,需要抽取日期、商户、金额和收支方向,并标记不确定字段。
适合人员
- 个人记账用户:想把手账、短文本或导出文件里的零散流水变成可长期分析的JSON记录。
- 小型团队财务助理:需要合并银行、支付渠道等多份CSV或Excel账单,避免字段口径不一致。
- 开发者或自动化工程师:要把周期性账单解析嵌入流水线,得到稳定字段和置信度供下游处理。
- 数据分析初学者:已有一堆混合格式的账单文件,想先按统一schema清洗,再学习可视化和统计。