Auto-Finance/src/doc/README.md

last_reviewed

last_reviewed
2026-06-11

src/doc — 文档处理模块

负责发票信息提取、基于 LLM 的支付截图信息识别、差旅/普通报销信息提取、以及将数据填入 Word 出库单模板。

模块清单

文件	作用
extractor.py	编排入口：串联 PDF 读取 → LLM 提取 → 支付截图匹配 → 分类
pdf.py	PDF 图片渲染（PyMuPDF）
llm_extractor.py	基于 LLM 的信息提取（发票文本 + 支付截图多模态 + 差旅/普通报销信息综合提取）
matcher.py	发票与支付截图按金额匹配，回填刷卡信息至发票记录
invoice.py	发票类型常量、分类逻辑、CSV 读写工具
fill_consumable_doc.py	将 CSV 数据填入易耗品出库单 Word 模板（pywin32 COM）
prompt.py	LLM 提示词模板加载
prompts/	提示词模板文件（invoice_system.md、travel_info_system.md、normal_info_system.md）

数据流

PDF 发票 → pdf.py → llm_extractor.py → [发票列表]
支付截图 → llm_extractor.py → [刷卡记录]
              ↓
    matcher.py（按金额贪心匹配，相对容差 3%）
              ↓
    invoice.py 分类 → CSV（已回填刷卡日期/卡号/金额）
              ↓
    fill_consumable_doc → 易耗品出库单.doc

[发票列表 + 匹配结果] → llm_extractor.py
              ↓
    差旅发票 → extract_travel_info() → travel_info.json
    普通发票 → extract_normal_info() → normal_info.json

依赖说明

• PyMuPDF (pymupdf) — PDF 图片渲染
• pywin32 — Word COM 自动化（仅 Windows）
• llama-index — LLM 信息提取

注意事项

• fill_consumable_doc.py 依赖 Microsoft Word + COM，仅 Windows 可用
• LLM 提取不会覆盖 CSV 中已有非空字段
• 提示词模板位于 prompts/ 目录，由 prompt.py 加载
• LLM 提取失败时直接报错，无正则回退

变更说明（2026-06-11）

• llm_extractor.py 新增 extract_normal_info()：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，缓存为 normal_info.json
• llm_extractor.py 的 load_cache() 扩展支持加载 normal_info.json
• prompt.py 新增 build_normal_info_system_prompt()：加载 normal_info_system.md
• prompts/ 新增 normal_info_system.md：普通发票信息提取的系统提示词