wandering
7e900ebdea
历史清洗删掉了根目录两份 低值易耗品申购*.xls——它们其实是**已填写的真实申购单** （半导体型号、单价、项目名都在），不是模板；同时旧实现「项目根 glob 取名字最大者」会把 上一次生成的产物当模板，所以一并修掉： - 新增 resolve_requisition_template()：REQUISITION_TEMPLATE 环境变量 → templates/ → 项目根（兼容旧位置）； 环境变量指向不存在的文件时告警并继续回退，不静默失败 - 入库 templates/低值易耗品申购.xls 空白件（由旧文件删掉第 3 行起的全部内容得到，UsedRange 只剩 2 行： 标题 + 表头；真实采购明细不进仓库） - generate_requisition 默认输出改为 <会话>/artifacts/低值易耗品申购<ts>.xls，不再写模板旁边 - mcp/tools/documents.py 的 _find_template 改为复用同一解析函数，避免两处规则漂移 - 模块 docstring 与 CLI help 里 src/web/uploads 的过时示例改为 cases/ - tests：5 个纯单测覆盖解析优先级（env 优先 / templates 胜过根目录 / 根目录取最新 / env 指向不存在的文件时回退 / 全都没有时返回 None），不依赖 COM 验证：真实 Excel COM 端到端 2 项 → 产物 UsedRange 5 行（标题/表头/2 明细/合计），第 6 行起为空， 无旧明细残留；fill_requisition_excel 原本就会先删第 3 行起内容，这条也实测确认过。 门禁：ruff / format --check / mypy src / deptry 全绿，pytest 112 passed，mcp_smoke 17 工具。
last_reviewed
| last_reviewed |
|---|
| 2026-10-19 |
财务报销自动化（MCP 服务器）
把发票、支付截图、出差申请单变成财务系统要的结构化数据，顺带生成低值易耗品申购单。
它不是一个应用，而是一个 MCP 服务器：读图、判断、决定下一步交给宿主 Agent（如 DSH）， 本项目只做确定性的活——PDF 渲染转正、金额匹配、规则校验、Excel 产物、浏览器填报。
为什么改：原来自带一整套前端 + 内置 LLM + 手写状态机（提取-校验-修正循环、轮次上限、SSE 事件流）。 灵活性太差——想换个模型、加一类票据、改流程都得动代码。2026-10-19 起全部交给宿主 Agent 编排。
它做什么
| 环节 | 谁做 |
|---|---|
| 看发票、判断类型、抽字段 | 宿主 Agent（多模态模型） |
| 页面渲染、PDF 文本层、自动转正 | 本项目（PyMuPDF） |
| 发票与刷卡记录金额匹配 | 本项目（确定性贪心 + 业务约束，输出待复核清单） |
| 完整性校验 | 本项目（config/validation_rules.json 声明式规则） |
| 申购单 Excel、财务系统填报 | 本项目（COM / Playwright） |
| 流程编排、缺料追问、要不要提交 | 宿主 Agent |
快速开始
uv sync # 依赖（要求 Python >= 3.12）
uv run playwright install chromium # 填报要用（P3 工具接入后需要）
配好 scripts/data/config.json（参考 config.example.json：工号、密码、默认报销人、公务卡号、人员编号、上传 PIN）。
该目录整体在 .gitignore 里，别提交。
把服务器注册到宿主（DSH profile patch）：
- insert:
- id: mcp-arb
name: '@deepseek-ai/dsh-mcp-client'
config:
serverName: arb
transport: stdio
command: '<项目根>/.venv/Scripts/python.exe'
args: ['-m', 'src.mcp.server']
cwd: '<项目根>'
自检（真的起一个子进程走 stdio 握手）：
make mcp-smoke # 或 python tasks.py mcp-smoke
手机扫码上传材料（独立进程，必须单独起）：
make upload # 默认 0.0.0.0:5055；--local 只监听 127.0.0.1；--pin 加访问码
case_create 会返回带令牌的手机页地址，上传落 cases/<id>/inbox/，之后由 Agent 收取。
上传服务是只写不读的：没有列表也没有下载接口，扩展名白名单 + 25MB + 每会话 200 个文件封顶。
一次报销长什么样
case_create → case_add_files → case_render_pages → case_read_text / 读 PNG
→ case_save_extraction（逐张）→ match_payments（处理 review_required）
→ info_skeleton → save_info → doc_requisition
17 个工具的参数表与返回约定：docs/MCP.md。操作步骤（财务口径）：docs/报销操作指南.md。
项目结构
src/
├── mcp/ 工具与协议层（server.py 注册；tools/ 分材料·抽取交接·分析·文档）
├── cases.py 会话目录 cases/<id>/ 的唯一实现：阶段由产物推导，无状态机
├── upload/ 扫码上传收件器（独立进程，绝不由 MCP 子进程拉起）
├── core/ 确定性内核：extraction（缓存·渲染·转正）matching validation
├── infra/ browser（Playwright 填报）documents（CSV·申购单 COM）
├── config.py scripts/data/config.json + 环境变量
└── exceptions.py 异常定义（MCP 层转成 ok:false 信封，不抛穿协议）
.agents/skills/reimbursement/ 宿主侧操作手册与字段判读参考（从旧 LLM 提示词迁移）
docs/MCP.md 工具契约
config/validation_rules.json 声明式校验规则
cases/ 会话产物（gitignore，含个人信息）
开发
make install # uv sync + pre-commit
make check # ruff check + format --check + mypy src + deptry
make test # pytest + 覆盖率
make upload # 上传收件器
make mcp-smoke # stdio 自检
测试覆盖：配置加载、发票分类与 CSV、金额匹配、会话模型、分析工具、骨架与规则一致性、申购单取值。
平台与风险
- Windows-only：申购单依赖 Microsoft Excel +
pywin32COM；并发驱动 Office 会互抢， 所以 COM 调用统一排队在单线程 actor（src/infra/com_thread.py） - 填报会打开 Chromium，自动化期间别手动点
cases/与scripts/data/含身份证号、卡号、凭据，已在.gitignore；发布前请自查历史- 提交前务必手动跑门禁：本仓库 pre-commit 只跑 ruff，但它会 stash 未暂存改动， 中途中断会把工作区文件回滚成 HEAD（本项目改造过程中真发生过，见方案文档 §11）
还没做完
向财务系统填报与提交（browser_*、submit_*）正在建设；在那之前本项目只到"产物齐备 + 校验通过"。
Word 版易耗品出库单已下线（模板自 2026-08-31 起不在仓库，功能此前一直静默失败）。
文档索引
| 文档 | 内容 |
|---|---|
| docs/MCP.md | 17 个工具的参数、返回信封、会话目录、注册方法 |
| docs/报销操作指南.md | 财务侧口径与材料准备要求 |
| AGENTS.md | 给 Agent 的项目操作指南（开发命令、约束、坑） |
| .agents/docs/plans/MCP化改造方案-2026-10-19.md | 改造决策、实测数据、踩坑记录 |