# Receipt Tracker

> Распознает фотографии чеков, разбивает расходы по категориям (продукты, заправка, аптека, такси, животные и др.) и сохраняет их в базу (expenses.csv). Генерирует ежемесячные отчеты по затратам. Использует быструю и дешевую модель gemini-2.5-flash для извлечения и анализа данных.

- Skill: `dvcrn/receipt-tracker` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add dvcrn/receipt-tracker`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/receipt-tracker/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: dvcrn (https://skillmd.com/u/dvcrn)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/dvcrn/receipt-tracker

---


# Receipt Tracker (Трекер расходов по чекам)

## Overview
Этот навык предназначен для автоматического извлечения данных из фотографий кассовых чеков, категоризации покупок и ведения базы данных расходов в формате CSV. Он позволяет пользователю просто отправить фото чека в чат, а агент сделает всю остальную работу: распознает текст, определит категории и запишет результат.

**База данных хранится в файле:** `/opt/.openclaw/.openclaw/workspace/memory/expenses.csv`

## Категории расходов (Categories)
При анализе чека используйте следующие основные категории:
1. **Продукты** (Groceries)
2. **Заправка** (Gas/Fuel)
3. **Аптека/Медицина** (Pharmacy/Medical)
4. **Такси/Транспорт** (Taxi/Transport)
5. **Животные** (Pets)
6. **Дом/Быт** (Household)
7. **Развлечения** (Entertainment)
8. **Одежда** (Clothing)
9. **Прочее** (Other - для всего, что не подошло)

## Workflow (Алгоритм работы)

### 1. Получение и распознавание чека (OCR & Analysis)
Когда пользователь присылает фото чека:
1. Возьмите путь к присланному файлу (например, `/opt/.openclaw/.../file_XX.jpg`).
2. Используйте инструмент `sessions_spawn` (runtime="subagent", mode="run"), чтобы запустить изолированного субагента для анализа картинки. 
   - **ВАЖНО:** Обязательно укажите параметр `model: "google/gemini-2.5-flash"` (или `gemini-2.5-flash`, как указано в запросе пользователя), так как эта модель быстрая, дешевая/бесплатная и отлично справляется с OCR и анализом одновременно.
   - В `attachments` передайте путь к фото чека.
   - В `task` попросите субагента: *"Прочитай чек на фото. Извлеки все позиции, их стоимость и дату покупки. Каждой позиции присвой одну из категорий: Продукты, Заправка, Аптека, Такси, Животные, Дом, Развлечения, Одежда, Прочее. Верни результат строго в формате JSON: `[{"date": "YYYY-MM-DD", "item": "Название", "category": "Категория", "price": 100.50}]`"*

### 2. Сохранение данных (Database Entry)
1. Получив JSON от субагента, проверьте корректность данных.
2. С помощью скрипта или инструмента `exec` (bash/python) допишите эти данные в файл `/opt/.openclaw/.openclaw/workspace/memory/expenses.csv`.
3. Формат CSV: `Date,Item,Category,Price`
   - Если файла еще нет, сначала создайте его с заголовком: `Date,Item,Category,Price`
   - Убедитесь, что формат цен - это числа (с точкой для копеек).

### 3. Отчетность (Reporting)
Когда пользователь просит **"Отчет за месяц"** или **"Сколько я потратил"**:
1. Прочитайте файл `expenses.csv` (например, через `exec(cat expenses.csv)` или `read`).
2. Сгруппируйте расходы по категориям за запрошенный месяц.
3. Посчитайте общую сумму затрат.
4. Выведите пользователю красивый и читаемый отчет (например, в виде Markdown-таблицы или маркированного списка с суммами по категориям и итогом).

## Example: Saving to CSV (Пример записи)
Вы можете использовать Python для добавления строк:
```python
import csv
import os

file_path = '/opt/.openclaw/.openclaw/workspace/memory/expenses.csv'
file_exists = os.path.isfile(file_path)

data = [
    {"date": "2026-03-10", "item": "Молоко", "category": "Продукты", "price": 89.90},
    {"date": "2026-03-10", "item": "Корм для кота", "category": "Животные", "price": 450.00}
]

with open(file_path, 'a', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    if not file_exists:
        writer.writerow(['Date', 'Item', 'Category', 'Price'])
    for row in data:
        writer.writerow([row['date'], row['item'], row['category'], row['price']])
```

## Правила (Rules)
- **Всегда** используйте `gemini-2.5-flash` для чтения чеков (это экономит ресурсы и деньги).
- Не запрашивайте подтверждение на каждый товар, если распознавание прошло уверенно. Просто покажите пользователю итог: *"Добавил в базу 5 позиций на сумму 1500 руб."*
- При сомнениях в категории, ставьте "Прочее", но старайтесь быть точным.