发票信息整理与清单

发票信息整理与清单出具

读取一批发票 PDF 的结构化信息，向上回溯项目上下文填补事由，归档到对应项目，并出具清单（默认报销清单，可切换为消费清单、对账流水等其他形态）。

何时使用

• 用户给出一个或多个发票/票据 PDF（交通、住宿、餐饮、办公采购等），需要整理报销
• 用户要把发票归档到某个案件/项目目录，并生成清单
• 触发词："这几张发票报销""整理一下这批发票""做个报销清单""这些票归到 XX 项目""出个消费清单""按项目整理发票"

不适用：发票的法律/税务合规审查、作为诉讼证据的实体分析、PDF 物理处理（合并/压缩/页码）。

工作流程

1. 提取发票文本

优先用 pdftotext（poppler）提取文本层，电子发票大多自带文本层，开箱即用：

pdftotext -layout "发票.pdf" -

批量提取多个 PDF 用本 skill 脚本（自动分隔、缺失依赖给提示）：

python3 scripts/extract_invoice.py 发票1.pdf 发票2.pdf 发票3.pdf
# 或传一个目录
python3 scripts/extract_invoice.py ~/Downloads/

若 pdftotext 无文本输出（扫描件/图片型发票），降级到 OCR：调用 legal-ocr 或 pdf skill。

2. 识别关键字段

从文本中解析每张发票的核心字段，识别要点见 references/invoice-field-guide.md。常用类型速查：

无法确认的字段标注"待人工确认"，不臆测。

3. 匹配所属项目

按**购买方名称（发票抬头）**判断这批发票归属哪个项目：取购买方全称在工作文档库中检索匹配的委托人/客户；同抬头的发票归同一项目；无法匹配时向用户确认，不擅自归档。

4. 读取项目上下文（向上回溯事由）

从发票所在位置（或拟归档位置）向上回溯，读取所属项目的信息文件，用于填补清单"报销信息"表的事由/案号/日期/路线/报销单位：

python3 scripts/find_project_context.py "发票所在目录或文件路径"

识别与提取要点见 references/project-context-guide.md。核心映射：

把发票业务日期与项目时间线对照，推断本次出行事由（如发票 06-15～17 + 项目"06-16 石家庄开庭" → 事由"赴石家庄参加第一次开庭"）。无法从上下文确认的，向用户核实，不臆造。

5. 归档到项目报销目录

确定归属项目后，把发票复制（不移动，保留原件）到该项目的报销子目录：

• 目标目录由 AI 依据该项目实际目录结构判断，不强绑固定路径
  • 诉讼案件（12 目录体系）：常见于"其他材料/杂项"类目录下，不进证据/文书等案件实体目录
  • 无明显目录时，新建一个 报销/（默认；差旅等可进一步子分类，如 报销/差旅/）
• 发票文件规范命名：YYMMDD 类型 摘要 [人名].pdf
  • 业务日期（非开票日期）+ 类型 + 关键摘要 + 可选相关人员
  • 示例：260615 高铁票 苏州北-石家庄 G1220 张某.pdf
  • 示例：260615-0617 住宿费 石家庄XX酒店.pdf
  • 示例：260620 餐饮费 XX餐厅 部门聚餐.pdf

6. 出具清单

读取的发票信息可生成多种清单——报销清单（默认），也可按需输出消费清单、对账流水、按月汇总等。用户未指定时默认出具报销清单。模板与命名规范见 references/output-template.md。

默认输出风格（除非用户另行要求）：

• 清单含两部分：报销信息表 + 凭证明细表
• 报销信息表的事由/案号/日期/路线等优先取自第 4 步项目上下文，并与发票抬头交叉验证
• 凭证明细列：序号 | 日期 | 类型 | 摘要 | 金额(元) | 发票号，末行合计
• 不加 emoji、不加备注或说明性文字段落
• 涉及人员只写姓名，不写身份证号等证件信息
• 清单文件名：YYMMDD 报销清单.md（YYMMDD 为预计发送日期，询问用户，无则取当天）
• 类型枚举涵盖 交通/住宿/餐饮/办公采购 等，不限于差旅

验收标准

完成一次发票整理后，按下述门控自检。任一 Hard Fail 命中即判定本次输出不合格，不可交付。

Hard Fail（一票否决）

1. 不得编造：发票字段、金额、事由必须取自发票原文或项目上下文；取不到一律标"待确认"，不臆测、不补全
2. 归档不错配：发票购买方抬头与目标项目委托人不匹配时，必须向用户确认，不擅自归档
3. 原件不动：归档一律 cp 复制，禁止 mv 移动或删除原件
4. 脱敏：清单与归档文件名只写姓名，不得出现身份证号、电话等证件信息
5. 事由不杜撰：发票业务日期与项目时间线无对应事件时，事由标"待确认"，不凭地名或日期编造出行目的

完成条件（可机判）

• 凭证明细表末行有合计，且合计金额 = 各明细金额之和
• 每张发票已匹配到唯一项目，或标注"待确认"（无孤儿发票）
• 所有日期统一 YYYY-MM-DD；归档文件名与清单"日期"列用业务日期（非开票日期）
• 清单文件名 YYMMDD 报销清单.md（YYMMDD 为预计发送日，已询问用户）
• 无 emoji、无说明性备注段落、人员无证件号

典型场景自检

输入：2 张发票（1 张高铁票 + 1 张住宿费），购买方为同一公司，业务日期落在某案件"XX 开庭"时间线前后。

应产出：

• 两张发票归同一项目，归档目录为该项目的 报销/ 子目录
• 事由从开庭事件推断（如"赴 XX 参加开庭"），非编造
• 凭证明细 2 行 + 合计行，金额取价税合计（含税）
• 清单"报销单位"= 购买方名称，与项目委托人交叉验证一致

不在本 skill 验收范围：OCR 识别精度本身（扫描件降级到 legal-ocr）、发票真伪、税务合规判断。

依赖

系统依赖

仅"文本提取"需要 poppler；文本层缺失时改用 OCR skill，不强制安装。scripts/find_project_context.py 仅用 Python 标准库，无需安装。

与其他技能配合

• legal-ocr / pdf：pdftotext 无文本层时，用其 OCR 能力识别扫描件/图片型发票
• new-case：归档目标若为诉讼案件，目录体系与项目信息文件由 new-case 定义，本 skill 依据其结构判断报销子目录与回溯上下文
• xlsx：如需把清单导出为 Excel 表格，交由 xlsx skill 处理