expense-tool/README.md

差旅报销自动化流程

给大模型的自动执行入口

当用户把本 README.md 提供给大模型，或让大模型在本目录处理差旅报销时，大模型应直接按下面流程开始执行，不需要用户再复制额外提示词：

1. 先阅读本说明，确认当前目录是报销目录。

2. 检查当前目录是否存在基础文件：差旅报销.py、差旅费明细表.xlsx、本次报销 PDF。

3. 如果 报销输出/pdf_raw_text.txt 不存在，自动运行：

   python3 差旅报销.py extract
   

   Windows 环境可改用：

   py 差旅报销.py extract
   

4. 读取 报销输出/pdf_raw_text.txt，按本文的 JSON Schema 分析出差人、日期、事由、费用分类、金额和证据。

5. 如果出差人、出差事由、出发地、目的地、日期、金额等关键信息无法从原文可靠判断，必须先问用户；不要编造。

6. 将最终 JSON 保存为 报销输出/analyzed_result.json。

7. 确认 questions 为空、金额合计一致、附件张数一致后，自动运行：

   python3 差旅报销.py fill 报销输出/analyzed_result.json
   

   Windows 环境可改用：

   py 差旅报销.py fill 报销输出/analyzed_result.json
   

8. 最后告诉用户生成的 Excel 文件路径，以及是否有任何需要人工复核的证据或假设。

简单说：看到本 README 后，大模型应自动完成“提取 PDF 原文 → 分析生成 JSON → 填写 Excel”，只有在信息不确定时才暂停询问用户。

---

核心思想

这个流程分成三段：

1. Python 提取原文：只把 PDF 内容提取成 TXT，不理解、不计算、不猜测。
2. 大模型分析：读取 TXT，判断出差人、日期、事由、费用分类和金额，输出标准 JSON。
3. Python 填表：只读取 JSON，把数据填入 Excel 模板，生成最终 XLSX。

也就是说：Python 只做机械衔接，大模型负责理解发票内容。

---

基础三件套

每次复用这个流程，只需要保留下面三个基础文件：

文件	作用
差旅费明细表.xlsx	原始 Excel 模板，脚本会复制它，不直接修改
差旅报销.py	唯一 Python 脚本，提供 extract / schema / fill 三个命令
README.md	本说明，给人和大模型看

PDF 发票、pdf_raw_text.txt、analyzed_result.json、最终 XLSX 都是每次报销产生的过程文件或结果文件。

---

为什么使用 XLSX

为了跨平台，模板统一使用 .xlsx。

这样脚本只依赖 Python 包：

pdfplumber  # 提取 PDF 文本
openpyxl    # 复制和填写 xlsx 模板

不再依赖 LibreOffice，也不需要系统命令做 .xls / .xlsx 转换。

如果你手里只有 .xls 模板，请先用 Excel、WPS 或 LibreOffice 手动另存为：

差旅费明细表.xlsx

---

依赖安装

Windows

py -m pip install pdfplumber openpyxl

运行时使用：

py 差旅报销.py extract
py 差旅报销.py fill 报销输出/analyzed_result.json

Linux / macOS

python3 -m pip install pdfplumber openpyxl

运行时使用：

python3 差旅报销.py extract
python3 差旅报销.py fill 报销输出/analyzed_result.json

---

标准目录结构

报销目录/
├── 差旅费明细表.xlsx      # 必需：模板
├── 差旅报销.py             # 必需：脚本
├── README.md              # 必需：说明
├── 住宿.pdf               # 本次报销 PDF
├── 机票*.pdf              # 本次报销 PDF
├── 滴滴出行行程报销单*.pdf  # 本次报销 PDF
└── 滴滴电子发票*.pdf       # 本次报销 PDF

脚本输出统一放到：

报销输出/

运行后会形成：

报销目录/
└── 报销输出/
    ├── pdf_raw_text.txt
    ├── analyzed_result.json
    ├── schema_example.json       # 可选
    └── 差旅费明细表_xxxx_20260520_广州_售后维修.xlsx

---

使用流程

Step 1：提取 PDF 原文

python3 差旅报销.py extract

Windows 可用：

py 差旅报销.py extract

输出：

报销输出/pdf_raw_text.txt

这个文件按 PDF 文件分块保存原始文本，例如：

============================================================
文件: 住宿.pdf
============================================================
电子发票（增值税专用发票）
...

============================================================
文件: 滴滴出行行程报销单A.pdf
============================================================
滴滴出行-行程单
...

注意：这一步不会提取金额、不会判断类型、不会计算总额。

---

Step 2：让大模型分析 TXT 并输出 JSON

把 报销输出/pdf_raw_text.txt 交给大模型，让大模型生成：

报销输出/analyzed_result.json

可以先查看 JSON 模板：

python3 差旅报销.py schema

也可以直接输出模板文件：

python3 差旅报销.py schema --output

输出：

报销输出/schema_example.json

给大模型的推荐提示词

请根据本 README 自动处理当前目录的差旅报销。

你的任务：
1. 如果 `报销输出/pdf_raw_text.txt` 不存在，先运行 `python3 差旅报销.py extract` 提取 PDF 原文。
2. 读取 `报销输出/pdf_raw_text.txt`，从 PDF 原文中识别出差人、出差事由、出发日期、结束日期、出发地、目的地、出行方式、出差天数。
3. 将费用分为：住宿、交通、饮食、其他。
4. 每个费用类别都要给出金额、单据张数、说明。
5. 计算附件总张数、报销总额、预借差旅费、补领金额、退还金额。
6. 每个金额必须写入 evidence，说明来自哪个文件、依据是哪段文本。
7. 如果某个字段无法可靠判断，必须先问用户，不要编造；在未确认前不要填表。
8. 将最终 JSON 保存为 `报销输出/analyzed_result.json`，JSON 必须符合 README 中的 schema。
9. 确认 `questions` 为空、金额合计一致、附件张数一致后，运行 `python3 差旅报销.py fill 报销输出/analyzed_result.json` 生成最终 Excel。
10. 最后告诉用户生成的 Excel 文件路径，并列出需要人工复核的证据或假设。

---

JSON Schema

大模型必须输出如下结构：

{
  "meta": {
    "出差人": "xxxx",
    "出差事由": "前往广州进行售后维修工作",
    "出发日期": "2026/5/20",
    "结束日期": "2026/5/22",
    "出发地": "北京",
    "目的地": "广州",
    "出行方式": "飞机",
    "出差天数": 3,
    "事由简写": "售后维修"
  },
  "expenses": {
    "住宿": {
      "金额": 510.0,
      "单据张数": 1,
      "说明": "广州市番禺明乐宾馆住宿费"
    },
    "交通": {
      "金额": 2013.77,
      "单据张数": 5,
      "说明": "机票1690.00 + 滴滴323.77"
    },
    "饮食": {
      "金额": 0.0,
      "单据张数": 0,
      "说明": "未发现餐饮发票"
    },
    "其他": {
      "金额": 0.0,
      "单据张数": 0,
      "说明": "无其他费用"
    }
  },
  "summary": {
    "附件总张数": 6,
    "报销总额": 2523.77,
    "预借差旅费": 0.0,
    "补领金额": 2523.77,
    "退还金额": 0.0
  },
  "evidence": [
    {
      "文件": "住宿.pdf",
      "类别": "住宿",
      "金额": 510.0,
      "依据": "价税合计（小写）¥510.00"
    },
    {
      "文件": "机票预订出行订单尾号87377629-电子普通发票.pdf",
      "类别": "交通",
      "金额": 1690.0,
      "依据": "价税合计（小写）¥1690.00"
    }
  ],
  "questions": []
}

字段说明

字段	说明
meta.出差人	出差人姓名，不确定就问用户
meta.出差事由	出差目的，不确定就问用户
meta.出发日期 / meta.结束日期	格式建议为 YYYY/M/D
meta.出差天数	含首尾日期，例如 5/20 至 5/22 为 3 天
expenses.住宿	酒店住宿类费用
expenses.交通	机票、火车、打车等交通类费用
expenses.饮食	餐饮费用，没有就 0
expenses.其他	不属于前三类的费用，没有就 0
summary.附件总张数	四类费用单据张数之和
summary.报销总额	四类费用金额之和
evidence	每笔金额的来源证据，便于人工核对
questions	如果大模型无法判断，可以列出问题；最终填表前应为空

---

Step 3：读取 JSON 并填表

python3 差旅报销.py fill 报销输出/analyzed_result.json

Windows 可用：

py 差旅报销.py fill 报销输出/analyzed_result.json

脚本会：

1. 校验 JSON 字段是否完整
2. 校验金额合计是否一致
3. 校验附件张数是否一致
4. 复制 差旅费明细表.xlsx
5. 用 openpyxl 填入固定单元格
6. 输出最终 XLSX 到 报销输出/

输出文件命名规则：

差旅费明细表_[出差人]_[出发日期YYYYMMDD]_[目的地]_[事由简写].xlsx

示例：

报销输出/差旅费明细表_xxxx_20260520_广州_售后维修.xlsx

---

Excel 填写位置

脚本只填写这些单元格：

单元格	内容
E3	出差事由
A6	出发日期-结束日期
B6	出发地-目的地
C6	出差天数
D6	出行方式
H6 / I6	住宿单据张数 / 住宿金额
H7 / I7	饮食单据张数 / 饮食金额
H8 / I8	交通单据张数 / 交通金额
H9 / I9	其他单据张数 / 其他金额

脚本不会覆盖公式单元格，例如：

单元格	公式
H2	附件张数合计
F9	天数合计
C10	报销总额
H10	补领金额
H11	退还金额

---

校验规则

fill 命令会检查：

summary.报销总额 = 住宿金额 + 交通金额 + 饮食金额 + 其他金额
summary.附件总张数 = 住宿单据张数 + 交通单据张数 + 饮食单据张数 + 其他单据张数

如果不一致，脚本会停止，不会写 Excel。

---

本次数据示例

{
  "meta": {
    "出差人": "xxxx",
    "出差事由": "前往广州进行售后维修工作",
    "出发日期": "2026/5/20",
    "结束日期": "2026/5/22",
    "出发地": "北京",
    "目的地": "广州",
    "出行方式": "飞机",
    "出差天数": 3,
    "事由简写": "售后维修"
  },
  "expenses": {
    "住宿": {"金额": 510.0, "单据张数": 1, "说明": "住宿费"},
    "交通": {"金额": 2013.77, "单据张数": 5, "说明": "机票1690.00 + 滴滴323.77"},
    "饮食": {"金额": 0.0, "单据张数": 0, "说明": "无餐饮发票"},
    "其他": {"金额": 0.0, "单据张数": 0, "说明": "无其他费用"}
  },
  "summary": {
    "附件总张数": 6,
    "报销总额": 2523.77,
    "预借差旅费": 0.0,
    "补领金额": 2523.77,
    "退还金额": 0.0
  },
  "evidence": [],
  "questions": []
}

---

常见错误

1. 找不到模板文件：差旅费明细表.xlsx

确认当前目录存在：

差旅费明细表.xlsx

如果只有 .xls，请先用 Excel / WPS / LibreOffice 另存为 .xlsx。

2. 报销总额不一致

说明 JSON 里的总额和分类费用合计不一致，检查：

住宿 + 交通 + 饮食 + 其他

3. 附件总张数不一致

说明 JSON 里的附件总数和分类单据张数合计不一致。

4. 缺少 Python 库

Windows：

py -m pip install pdfplumber openpyxl

Linux / macOS：

python3 -m pip install pdfplumber openpyxl