技能介绍

要解决的问题

多客户场景下，发票常以现金票据照片、PDF 或半结构化电子发票存在，银行侧则可能是 CAMT.053、OFX、CSV 或 PDF 流水。人工核账容易漏掉小额、退款、手续费和“已收款但未开票”的边界情况。这个技能把“发票 + 银行流水 → 对账结果”整理成可重复的流水线，重点是结构化摄入、非结构化凭证的 LLM 提取，以及把结果落到 company.json 和 rapprochement.json。

工作方式与适用边界

核心入口是 scripts/main.py，流程分四步：

A. 发票摄入：优先解析 Factur-X、纯 UBL/CII，票据或无 XML 的 PDF 走 LLM 文本/视觉提取，并带 confidence 分数。
B. 银行摄入：把 CAMT.053、OFX、CSV 归一化为带符号金额的交易日志；PDF 账单同样交给 LLM 提取。
C. 对账：委托共享的对账引擎，按金额 + reference / 对手方 / 日期等匹配，未命中进入 unmatched_bank_lines，工资、税费、手续费等进入 excluded_bank_lines。
D. 输出：生成 company.json 与 rapprochement.json，并校验 rappr + unmatched + excluded == bank_transactions_count。

执行采用两遍法：第一遍运行引擎，遇到非结构化文件会输出 worklist 和 sidecar 路径；第二遍逐条读取、提取 JSON，再重跑，直到 worklist 为空。默认写入 clients-test/ sandbox，验证后再用 --real 指向真实客户目录。适合已有会计后端、只需要补齐票据与流水摄入/提取/对账输出的场景；不适合重写后端、发信、前台展示，也不适合手工改最终 JSON。