发票识别与报销审核
脚本做确定性的工作:抽字段、按规则比对、汇总;模型负责补齐脚本没抽到的字段、和用户确认报销规则、解释问题。
下文 scripts/ 指本技能目录 {baseDir}/scripts/。
第 1 步:确认报销规则
第一次使用时问清以下内容,写成 policy.json,以后复用(用户没有规则的项就不填,对应检查会跳过):
{
"company_name": "某某科技有限公司",
"tax_id": "91110108MA01ABCD2X",
"max_age_days": 90,
"category_limits": {"餐饮": 1000, "住宿": 3000},
"category_keywords": {"餐饮": ["餐饮"], "住宿": ["住宿"], "交通": ["运输", "客运", "交通"],
"办公": ["办公", "文具", "纸制品"]}
}
company_name/tax_id:发票抬头必须一致。max_age_days:开票后多少天内可报。category_limits:本批次各类别的累计限额(元)。category_keywords:发票上税收分类(如*餐饮服务*餐费里的"餐饮服务")包含哪些词就归到哪个报销类别。
第 2 步:抽取发票字段
python3 scripts/invoice_extract.py <发票目录或文件...> -o invoices.json
- 带文字层的 PDF 电子发票可以直接处理。
- 图片、拍照件、扫描件:先用 OCR 工具(如已安装的百度 OCR)识别成文字,存成同名
.txt再一起传入。 - 输出中
missing列出没抽到的字段。对照该条记录的text原文补齐或更正invoices.json;原文里确实没有的就留空,不要猜。
第 3 步:规则检查与汇总
python3 scripts/reimburse_check.py --invoices invoices.json --policy policy.json \
--history 已报销发票号.txt -o 报销汇总.xlsx
--history可选:历史已报销的发票号码,每行一个,用来发现跨批次的重复报销。审核通过后,把本批发票号码追加进这个文件(先征得用户同意)。- 输出
报销汇总.xlsx,包含三个工作表:- 报销明细:每张发票的结论和问题;
- 分类汇总:各类别张数、金额、可报销金额;
- 查验清单:真伪查验所需的发票代码、号码、日期、不含税金额、校验码后 6 位。
第 4 步:交付
向用户说明:
- 可报销张数和金额;
- 每张"需处理"发票的问题和建议(比如抬头不符需要重开,重复的需要剔除);
- 真伪查验:国家税务总局全国增值税发票查验平台(https://inv-veri.chinatax.gov.cn)需要输入验证码,必须由用户本人操作。请用户按"查验清单"逐张查验。不要尝试自动查验或绕过验证码。
是否符合报销制度的最终判断由财务人员做出,本技能的结论仅供初审参考。
