日常报销和差旅报销都可以走通

src/README.md

@@ -1,5 +1,5 @@
 ---
-last_reviewed: 2026-06-11
+last_reviewed: 2026-06-12
 ---
 
 # src — 主源码目录
@@ -12,41 +12,42 @@ last_reviewed: 2026-06-11
 |-----------|------|
 | `__init__.py` | 包初始化：提供 `get_logger()` 日志工厂（支持终端 + 文件双输出，按日期自动分文件） |
 | `config.py` | 配置加载：从 `config.json` 读取用户凭据和默认值，从环境变量读取服务端配置（SSO 地址、LLM 参数） |
-| `pipeline.py` | 流程编排：串联发票提取 → 分类 → CSV 保存 → 浏览器填报，支持分步执行 |
+| `pipeline.py` | 流程编排：串联发票提取 → 类型判断 → 差旅/普通信息提取 → 浏览器填报，支持分步执行 |
 | `main.py` | CLI 入口：支持 `--step` 分步执行、`-u/-p` 覆盖凭据、`--cache-dir` 指定缓存目录 |
-| `bot.py` | 浏览器自动化：Playwright 驱动的财务系统填报机器人（含差旅/普通两种模式，支持 headless） |
+| `bot/` | 浏览器自动化：Playwright 驱动的财务系统填报机器人（仅负责接收信息并填报） |
 | `doc/` | 文档处理模块：PDF 渲染、LLM 提取、支付匹配、发票分类、出库单生成 |
 | `web/` | Web 界面模块：Flask 应用、SSE 日志、可编辑表格、移动端上传、会话隔离 |
 
 ## 数据流
 
+```mermaid
+graph TD
+    A[CLI/Web 入口] --> B["pipeline.py (编排)"]
+    B --> C["doc/extractor.py (统一提取入口)"]
+    C --> D["doc/pdf.py (PDF 渲染为图片)"]
+    C --> E["doc/llm_extractor.py (多模态 LLM 识别)"]
+    E --> F["发票 invoice_type=train/hotel/general"]
+    E --> G["支付记录 invoice_type=payment"]
+    E --> H["出差事前申请单 invoice_type=application"]
+    C --> I["doc/matcher.py (发票与支付记录按金额匹配)"]
+    I --> J["一对一匹配 发票数 == 刷卡数"]
+    I --> K["一对多匹配 贪心算法 相对容差 3%"]
+    C --> L["doc/invoice.py (CSV/JSON 读写)"]
+    L --> M["payment_records.csv (支付记录级别)"]
+    L --> N["invoice_summary.csv (发票级别)"]
+    L --> O["travel_applications.json (出差申请单)"]
+    B --> R{"判断报销类型"}
+    R -->|差旅| T["doc/llm_extractor.py (差旅信息提取)"]
+    R -->|普通| V["doc/llm_extractor.py (普通发票信息提取)"]
+    T --> W["travel_info.json (差旅信息: 交通/住宿明细、补贴、附件清单)"]
+    V --> X["normal_info.json (普通发票信息: 报销说明、发票总数、总金额、支付方式、附件清单)"]
+    W --> P["bot/ (浏览器填报 - 仅接收信息并填报)"]
+    X --> P
+    P --> Q["差旅模式: travel_info.json → 填报差旅单 → 上传差旅附件"]
+    P --> S["普通模式: 基本信息 → 录入明细 → 支付信息 → 上传附件"]
 ```
-CLI/Web 入口 → pipeline.py (编排)
-                   ↓
-            doc/extractor.py (统一提取入口)
-                   ↓
-            ┌──── doc/pdf.py (PDF 渲染为图片)
-            │
-            ├── doc/llm_extractor.py (多模态 LLM 识别)
-            │       ├── 发票 (invoice_type=train/hotel/general)
-            │       ├── 支付记录 (invoice_type=payment)
-            │       └── 出差事前申请单 (invoice_type=application)
-            │
-            ├── doc/matcher.py (发票与支付记录按金额匹配)
-            │       ├── 一对一匹配 (发票数 == 刷卡数)
-            │       └── 一对多匹配 (贪心算法，相对容差 3%)
-            │
-            └── doc/invoice.py (CSV/JSON 读写)
-                    ├── payment_records.csv (支付记录级别)
-                    ├── invoice_summary.csv (发票级别)
-                    └── travel_applications.json (出差申请单)
-                   ↓
-            doc/fill_consumable_doc.py (普通发票 → Word 出库单)
-                   ↓
-            bot.py (浏览器填报)
-                ├── 差旅模式: 差旅信息提取 → 填报差旅单 → 上传差旅附件
-                └── 普通模式: 基本信息 → 录入明细 → 支付信息 → 上传附件
-```
+
+**数据流变更（2026-06-11）：** 差旅信息提取从 `bot.py` 提升到 `pipeline.py` 编排层。在发票提取和匹配完成后立即判断报销类型，差旅发票调用 LLM 提取 `travel_info.json`，普通发票调用 LLM 提取 `normal_info.json`。Bot 仅负责接收信息并填报，不再承担信息提取职责。
 
 ## 文档处理子模块 (`doc/`)
 
@@ -57,6 +58,7 @@ CLI/Web 入口 → pipeline.py (编排)
 - **JSON 缓存**：提取结果缓存于 `.invoice_cache/`，避免重复处理
 - **金额匹配**：支持一对多匹配，相对容差 3%，未匹配发票单独列为记录
 - **差旅信息提取**：综合发票、支付记录和匹配结果，提取出差事由、地点、时间等
+- **普通发票信息提取**：综合普通发票、支付记录和匹配结果，提取报销说明、发票总数、总金额、支付方式、附件清单
 - **出库单生成**：将 CSV 数据填入 Word 模板（pywin32 COM，仅 Windows）
 
 ## Web 界面子模块 (`web/`)