Files

T

wandering d3728bfe51 docs: 记录 git 历史清洗，并把文档里的提交号重映射到新历史

- 方案文档新增 §12：为什么洗（公开文档含真实工号/姓名/16 位公务卡号/内网 LLM 地址与 key，
  历史 config.json 含真实登录密码；另发现两份 .xls 是真实申购单、四组样本发票无法证明不含个人信息）、
  怎么做（git-filter-repo 删 19 条路径 + 全历史替换六类特征）、怎么验证（重扫 608 个 blob 零命中、
  与备份 HEAD 逐文件对比只有预期差异）、善后（改密码、轮换 Gitea token、旧 clone 重新拉、删备份 bundle）
- §11.5 第 3 项（模板选择）标记完成
- 按 .git/filter-repo/commit-map 把文档引用的 6 个提交号重映射（6 文件 10 处），
  否则所有「看提交 xxx」的指引在重写后的历史里都是死链
- src/infra/documents/README.md 改写模板章节；docs/MCP.md 文档产物段、README 结构表、
  AGENTS 重要约束同步模板解析顺序与 REQUISITION_TEMPLATE
- 另记一笔：.git/filter-repo/already_ran 时间戳是 2026-06-12，这个仓库六月中已洗过一次历史

2026-10-19 23:57:49 +08:00

5.7 KiB

Raw Blame History

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
templates/低值易耗品申购.xls         申购单空白模板（可用 REQUISITION_TEMPLATE 覆盖）
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 + pywin32 COM；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

5.7 KiB Raw Blame History Unescape Escape