--- name: audit-report-checker version: 1.0.0 category: 数据分析与咨询 trigger_words: tags: - excel - ai platform: coze source: DeepseekModel source_url: https://deepseekmodel.com/skill?id=nigo81-nigo-skills-audit-report-checker-skill-md --- name audit-report-checker description 检查审计报告（财务报表 + 附注），发现勾稽错误、加总错误、文本格式问题。用于"检查审计报告/勾稽验证/报表核对/报告核查/数字核对/加总核对/报表平衡/审计报告复核/报告校对"。即使用户只说"帮我检查这份审计报告""看看这个报告有没有错""核对下报表数字"也应触发。支持分体式（报告+附注分文件）与合体式（单文件）报告，支持 Word/PDF/扫描件/图片报表，覆盖 50-150 页合体大报告，输出 7 sheet Excel + Markdown 复核报告。算术 100% 走代码计算，AI 负责语义定位与结构判断。 metadata {"author":"nigo","version":"1.0.0"} slug nigo-audit-report-checker displayName 审计报告复核工具 summary 检查审计报告（财务报表+附注），发现勾稽错误、加总错误、文本格式问题，支持 Word/PDF/扫描件，输出 7 sheet Excel + Markdown 复核报告。 license MIT 审计报告核查 作者：nigo（公众号：逆行的狗） 版本：1.0.0 检查审计报告（财务报表 + 附注），发现勾稽错误、加总错误、文本格式问题。Claude 是主控——负责语义理解（定位报表、理解附注章节、判断列含义、标注表格结构），代码负责确定性算术（求和、核对、reconcile）。两者分工，消除旧工具"硬拆分 + 关键词匹配"导致的系统性误报。 最重要的一条原则：算术绝不手算 LLM 直接做数值加减会算错，且无法复现——审计核查中算错等于致命。所有数值计算，哪怕只是三个数相加，都调用 scripts/calculator.py 。AI 只决定"传哪些数""哪个等于哪个"，代码算出结果。 正确做法： # 从报表/附注提取出数字后，调 calculator 验算 python3 scripts/calculator.py check "113,157,711.68" "113,157,711.68" # 核对相等 python3 scripts/calculator.py sum "1,234.56 5,678.90 100.00" # 求和 python3 scripts/calculator.py reconcile "100" "50" "30" "120" # 期初+增-减=期末 错误做法： # 心算"流动资产合计 = 货币资金 + 应收账款 + ..." ← 会算错，且别人无法核验 calculator 支持千分位逗号、括号负数、横线（=0）、全角字符、万元单位，容差默认 0.01，用 round(diff, 6) 避免浮点边界误判。这是上一版已验证有效的原则，保留。 工作流 Step 0 — 选检查深度（scope） 开始前用 question 工具问用户两件事：检查深度（单选）+ 检查类型（多选，可空则按深度档执行）。 三档深度 ： 档位 覆盖范围 耗时 适用 快速检查 四表间勾稽 + 格式（公司名/页码/页眉） 几分钟 初筛、只关心报表平衡 标准检查（默认） 快速 + 表内横加竖加 + 高频表注勾稽 + 文本（错别字/病句） 十几分钟 日常复核，覆盖常见错误 深度检查 标准 + 附注所有变动表 reconcile + 跨科目勾稽 + AI 结构标注全表 半小时以上，token 消耗大 重大报告、终稿复核 用户不选就默认标准。选深度检查时先提示 token 消耗较大让用户确认（128 页报告深度检查可能消耗很多）。 检查类型多选 ：勾稽 / 横加竖加 / 表注 / 文本 / 格式。用户可自由组合覆盖深度档（多选全部 ≈ 深度检查）。 为什么要分档：审计师多数时候只需快速验证勾稽，无差别深度检查既慢又费 token。scope 让用户知情选择，按需触发。 附注-only 自动调整 ：若识别到文档只有附注、无四表（如盛屯/博达新材的纯附注 Word），自动跳过报表间/表注勾稽，聚焦附注内勾稽 + 横加竖加 + 文本格式，并告知用户调整了范围。详见后文"附注-only"。 DeepSeek 模型选择（启用 AI 时执行） ：标准/深度检查默认启用 DeepSeek 加速（文本错别字、附注表结构标注、warning 二次复核）。涉及 AI 时，问完深度+类型后先选模型，避免 reasoning 模型拖垮批处理： 检查 key 有效性： python3 scripts/ai_worker.py --test-check-key （读 ~/.deepseek/config.json；无 key 则全程走 --no-ai 纯代码） 查可用模型： python3 scripts/ai_worker.py --test-list-models （DeepSeek 503 服务繁忙时可能查不到，可跳过用默认） 用 question 让用户选模型， 默认推荐 flash 类模型 （非 reasoning，单请求延迟低，适合大批量并发；reasoning 类如 v4-flash 单请求 25s+ 会拖垮批处理）。用户无偏好直接用 flash。 选定后 run_check 加 --model <选定> 传入，或写入 ~/.deepseek/config.json 的 model 字段持久化。 降级原则 ：DeepSeek API 服务繁忙(503)/限流属外部问题。多次失败时降级 --no-ai （纯代码 L1+scan+词库），文本/标注/warning 复核由 Claude 终审兜底（Step 5 本就要求 Claude 复核，不完全依赖 API）。 Step 1 — 解析文档 python3 scripts/parse_report.py "<文件或目录>" -o <输出目录> 脚本四路自动分流，按文档类型和内容特征选最佳提取路径： PDF 文本型（首页文本 > 50 字）→ pdfplumber，数字 100% 精确 PDF 扫描型 → mineru 云端 API（ extract --model vlm ），数字需人工复核 Word 文本表格为主 → python-docx，精确 Word 图片报表（inline_shapes 偏多）→ mineru 云端 API Word/PDF 双路（重要） ：实际场景大部分是 Word 报告。parse 对同 basename 的 .docx/.pdf 优先 .docx （去重，Word 表格精确无断字）；无 Word 才用 PDF。两路分开处理： Word 路（.docx） ：python-docx 提取 table 对象→markdown（实测金星90/博达87表全成功）+ 段落文本； 章节定位 （附注五-N 科目，Word 无固定页码）；table 自动归属 chapter（Heading1 大章节 + Heading2/短文本明细）。伪表格（非 table 对象的制表位排版，少数）AI 兜底。 PDF 路（.pdf） ：pdfplumber + 页码定位 （page=N，超链接可点击）。 定位差异：Word 用章节（"附注五-3 应收账款"），PDF 用页码（"第N页"）。result 的 chapter（Word）/ page（PDF）字段区分，export 自动适配。 输出两个文件： report.md ：全文 markdown，每段用 标注来源页码和提取路径 extracted_tables.json ：原始二维表格（headers + rows），不做列映射、不做报表分类、不做续表合并 解析层只输出原始数据，报表定位、附注识别、列含义判断全部由 Claude 在后续步骤用语义完成。这是消除旧工具"拆分匹配错误"的核心——parse 层不越界做本该人做的事。提取策略原理见 references/extraction.md 。 mineru 是云端 API，数据会上传 mineru.net。审计报告含敏感财务数据，首次走 mineru 路径前要告知用户并获得知情同意。详见 references/mineru_usage.md 。 Step 2 — 理解文档结构（语义，不靠关键词） 读 report.md ，理解整体结构： 编制单位、会计期间 报告类型：合并报告（含合并 + 母公司共 8 张表）还是单体（4 张）？通过看是否有"母公司"字样和报表数量判断，不靠硬编码关键词字典 四张报表的位置（合并资产负债表/利润表/现金流量表/所有者权益变动表，及母公司版本）及其页码范围 合并报告同名报表会重复 ：合并报告里"资产负债表""所有者权益变动表"等标题通常 出现两次 ——第一次是合并口径、第二次是母公司口径，表头往往 都不带"合并"/"母公司"前缀 ，靠出现顺序（先合并后母公司）和编制单位行区分。 两套都要提取 ，漏掉母公司 4 张表会让母公司层面的勾稽完全缺失。判断方法：同名报表在 report.md 中出现 ≥2 次 → 合并报告，按顺序分别归为合并/母公司。 附注章节结构——每章讲哪个科目（如"附注三、货币资金"讲货币资金） 是否附注-only（无四表）→ 走附注-only 分支 图片报表页检测（重要） ：读 report.md 时留意是否有 连续多页文本为空白 。审计报告中四表（资产负债表等）常被做成图片嵌入 PDF，pdfplumber 对这些页提取为空白（实测盛屯 page 7-16 共10页空白=四表全是图片）。若 parse_report 的 report.md 已标注 ，直接据此处理；否则自己扫描各页文本量。发现四表区域空白时： 对该页范围用 mineru 云端 OCR 重新提取： mineru-open-api extract "<报告.pdf>" --pages 7-16 -o <目录> --model vlm --language ch （需先 mineru-open-api auth 配 token，见 references/mineru_usage.md，含数据上传云端隐私提示） OCR 结果（md）合并回 statements 提取 mineru 不可用时，在报告中明确标注"四表为图片，pdfplumber 未能提取，本次未执行报表间勾稽，建议人工复核或配 mineru token 重跑"—— 不要假装做了 识别同义科目变体靠语义理解，不做映射表：股东权益 = 所有者权益、股本 = 实收资本、股东权益变动表 = 所有者权益变动表。为什么用语义而不是关键词字典：每遇到一个新报告格式就要加规则，关键词爆炸不可持续；Claude 一次调用就能理解，且能处理变体。 生成 note_map.json（表注勾稽的定位基石，Step 2 必做） ：理解附注结构时，一次性生成「科目→附注明细表」精确映射 note_map.json （写入 parse 输出目录）。这是三层分工架构的 定位层 ——Claude 语义定位（准、只做一次、低 token），取数/算术交给代码（DeepSeek locate + calculator）。 为什么定位必须 Claude 做：旧工具靠正则匹配标题 + 页码邻近定位，在①标题格式多样 ②同页多科目 ③续表跨页 上系统性失败（详见 旧报告检查工具_定位研究.md 的 4 大根因）。Claude 一次语义理解就能准确定位到表级别。 格式（ {科目: {...}} ）： { "货币资金" : { "table_ids" : [ 220 ] , "pages" : [ 16 ] , "field" : "期末余额" , "formula" : "期末余额" , "note" : "报表数=附注期末余额" } , "应收账款" : { "table_ids" : [ 221 , 222 ] , "pages" : [ 18 , 19 ] , "field" : "账面价值" , "formula" : "账面余额-坏账准备=账面价值" , "note" : "报表数=附注账面价值" } } table_ids ：该科目附注明细涉及的表 id（附注文件范围， 绝不混入资产负债表/利润表等报表表 ，否则表注勾稽会"自己比自己"） field ：报表数等于附注哪个字段（直接取，如"账面价值"/"期末余额"） formula ：取数口径公式（field 取不到时按此运算，如"账面余额-坏账准备"） 定位方法（表 name 常为空，靠多重交叉）：科目章节 page 区间 + 该区间内表 page + headers 内容 + 章节实际文字 最低覆盖：标准检查至少 8 科目（货币资金/应收账款/应收票据/预付款项/存货/固定资产/营业收入/应付账款），深度检查覆盖全部报表列示科目。 subjects_index.json （scan 生成的科目→候选表粗索引）可作为定位参考/校验，但精确定位以 Claude 生成的 note_map 为准 生成 manifest.json（四表提取的结构契约，Step 2 必做） ：理解四表在文件里的位置/列布局后，写成 manifest.json （写入 parse 输出目录）。这是三层分工架构的 结构契约层 ——Claude 语义识别结构（准、只做一次），抽数交给 apply_manifest 纯机械执行（零猜测、新格式改 JSON 不改代码）。 自动生成优先 ： run_check --auto-manifest --auto-note-map 时 DeepSeek 并发自动生成 manifest.json 和 note_map.json（看 sheet 表头/附注表内容判断列布局/科目归属），代码做结构性校验 + 回原文核对降错。自动生成失败或校验大量不过→回退 Claude 手写（有模板库）。 为什么用 manifest 不靠代码猜：天邑列布局(B/E/F) vs Macko(A/C/D) 不同、Macko 母公司 BS 主表/续表列布局不同、续表项目名带空格（"负 债 合 计"）、非标准名（"股东权益合计"）——每遇到一个新格式，代码猜列/猜 sheet/硬编码 ALIAS 都会崩。manifest 把这些差异声明在 JSON 里，apply_manifest 按声明抽数。 格式（详见 references/manifest_template.md ，含 4 份报告的 manifest 样例）： { "report_format" : "merged_docx | split_xlsx | split_docx | split_pdf" , "company" : "..." , "period" : "..." , "files" : { "文件名" : { "role" : "statements|notes|opinion|cover" , "loader" : "xlsx|docx|pdf|doc" } } , "statements_map" : { "合并资产负债表" : { "source" : "文件名" , "loader" : "xlsx|docx|pdf" , "sheets" : [ "sheet名" ] , "source_table" : "表名(docx/pdf按此在extracted_tables定位)" , "kind" : "linear | matrix" , "item_col" : 0 , "current_col" : 2 , "prior_col" : 3 , "field_aliases" : { "股东权益合计" : "所有者权益合计" } , "merge_into" : null } } } files.role + loader ：分体式文件角色（报表/附注/正文/封面）+ 读取器（xlsx=openpyxl / docx,pdf=读extracted_tables / doc=textutil转） item_col/current_col/prior_col ：列布局（看 dump 确定，不猜） sheets + merge_into ：BS 续表/分段合并（同表不同列布局时分两段，merge_into 合并） source_table ：docx/pdf 时按表名/内容在 extracted_tables 定位四表（表 name 常为空，靠内容匹配"资产总计"+"流动资产合计"=BS） field_aliases ：项目名标准化（"股东权益合计"→"所有者权益合计"） kind: linear|matrix ：权益变动表矩阵结构（sheets_main/sheets_prior + value_col） 生成方法：Claude 看每个报表文件的 dump（xlsx 的 sheet 名+表头+前3行 / docx 的 extracted_tables 四表名+列）后手写 manifest（3-5 分钟）。Macko/天邑/巨东/清研的 manifest 已在各自 parse_output 目录，可作为模板。 Step 3 — 提取 statements.json（apply_manifest 机械执行） 用 Step 2 的 manifest.json，调 apply_manifest 纯机械抽数： python3 scripts/apply_manifest.py /manifest.json -o statements.json apply_manifest 读 manifest 的 statements_map，按声明的 source + loader （xlsx 读 sheet / docx,pdf 读 extracted_tables 按 source_table 定位）+ item_col/current_col/prior_col 抽数，套 field_aliases 标准化项目名，处理 merge_into 分段合并，产出 statements.json。 零猜测、零改代码 ——所有格式差异已在 manifest 声明。 产物格式（与 calculator_rules 匹配）： { "合并资产负债表" : { "流动资产合计" : { "current" : "113,157,711.68" , "prior" : "..." } , "资产总计" : { "current" : "..." , "prior" : "..." } } , "合并利润表" : { ... } , "合并现金流量表" : { ... } , "合并所有者权益变动表" : { ... } , "母公司资产负债表" : { ... } , ... } 字段名必须精确 ： calculator_rules 按字段名匹配（如 "期末现金及现金等价物余额" ），字段名不一致会导致 L1 检查报"缺少必要项目"。提取前先查必需字段清单： python3 scripts/calculator_rules.py 报表原文项目名与清单不一致时， 在 manifest 的 field_aliases 里声明映射 （如"股东权益合计"→"所有者权益合计"、"负债和股东权益总计"→"负债和所有者权益总计"），不要改代码。 Step 4 — 代码侧检查（含 scan 代码验算） python3 scripts/run_check.py \ --statements /statements.json \ --note-map /note_map.json \ --scope --scan --use-ai -o /results.json 说明： --statements 和 --note-map 支持相对路径，脚本会优先相对于 解析；如果找不到会给出明确报错。 建议命令中写绝对路径或 前缀，避免不同工作目录下的路径歧义。 可选参数（用于提速/跳过已跑过的慢步骤）： --max-workers N ：DeepSeek 并发数（默认 60） --skip-annotation ：跳过 AI 结构标注（复用本地 annotations_cache.json ） --skip-text-ai ：跳过 AI 文本错别字/病句检查 --skip-ai-review ：跳过 DeepSeek 对 warning/error 的预复核（默认执行，最终终审仍由 Claude Step5 完成） 脚本执行确定性检查（不依赖 LLM）， --scan 必加 ——它让代码分担横加竖加的粗活，大幅减轻你在 Step 5 的负担： --use-ai 说明（默认启用） ： 默认 --use-ai ：启用 DeepSeek 并发（ 4 场景 ：①文本错别字 ②附注表结构标注 ③ 表注勾稽+附注reconcile （按 Step2 的 note_map 定位→locate 取数→calculator 比较）④warning 预复核；均批量化 + 并发默认 60）。需 DeepSeek API key + 选定 flash 类模型（见 Step 0）。文本检查（错别字/病句）和表注勾稽取数只有 --use-ai 能自动执行，纯代码扫描覆盖不到。 --note-map 不传时默认读 /note_map.json （Step2 生成）。 可选 --no-ai ：纯代码扫描（无文本 AI 检查），DeepSeek 服务繁忙/无 key 时降级用。此时文本检查只走内置词库，结构标注/warning 复核由 Claude 在 Step 5 手动完成。 代码自动降级点： run_check.py 在 AI 结构标注（ run_check.py:2368-2400 ）、表注勾稽（ run_check.py:2533-2562 ）、文本错别字（ run_check.py:2473-2510 ）、warning 二次复核（ run_check.py:2640-2670 ）四个场景均捕获 API/取数异常，失败时跳过该场景并在 results.json 中生成降级提示，不会中断主流程。 模型选择 ： --model 传入；不传则用 ~/.deepseek/config.json 的 model 字段。优先 flash 类（非 reasoning），详见 Step 0。 执行的检查 （按 scope）： L1 报表间勾稽 ：调 calculator_rules.py 四函数，验资产=负债+权益等恒等式 页码连续性 、 公司名一致性 、 金额单位 、 错别字词库粗筛 scan 代码验算 （ --scan ）： 竖加验算 ：含"合计/小计"行的附注表，代码 sum 明细=合计（排除所有合计/小计/总计行和"其中:"子项）。金星 301 张表能代码验算 64 张，通过的直接记 info（你不用再做这些表） 横加验算 ：列名匹配已知模式（账面余额-坏账准备=账面价值、期初+增加-减少=期末、原价-折旧-减值=价值） 通过记 info（减负） ，不平记 warning （可能特殊表结构，需你在 Step 5 用 AI 结构标注复核，区分真错 vs 特殊结构） 额外输出 candidates.json （代码无法判断的变动表/复杂横加表清单，留给你在 Step 5 做 AI 结构标注）和 subjects_index.json （41 科目→附注候选表粗索引， 供你在 Step 2 生成 note_map.json 时参考/校验 ，精确定位以 Claude 生成的 note_map 为准） 输出 results.json ，每条结果含：check_type / rule_name / severity / passed / description / expected / actual / difference / source_location / target_location / evidence / page / context / source_file 。 定位字段（审计师核对原文用，必填） ： page ：页码（纯数字，如 45 ）。从 report.md 的 注释或附注章节位置获取。 context ：原文摘录（约50字，被检查的那行原文片段），审计师在 Excel 里直接看到原文，不用翻 PDF。 source_file ：由 run_check 自动回填原始报告路径，你写语义检查结果时无需手动填。 rule_name ：用有意义的科目名（如 货币资金年末竖加 、 存货-原材料横加 ）， 不要带 id=N 前缀 （id 是解析时的表格序号，对审计师无意义）。 Step 5 — 语义检查（必须执行，skill 的核心价值） run_check.py 只是 代码侧的确定性粗筛 （L1 报表间恒等式 + 页码/单位/错别字词库）。以下四类语义检查是本 skill 区别于普通脚本的核心能力， 必须执行，不可跳过 ——跳过等于只做了 20% 的工作。 Agent 终审输出习惯（D2.4） ： Agent 在 Step 5 回原文核对时， 不必把每一条思考过程都输出给用户 。可在内部快速按表分组、批量判断、直接修正 results.json 。 修正完成后直接执行 Step 6 导出，最后一次性告知用户报告保存路径和核心结论（几个错误、几个存疑、分别是什么）。仅在需要用户决策或确认存疑时才展开细节。 ⚠️ Claude 终审强制（D2.1 核心，最重要） 所有 error/warning 必须经 Claude 整体语义复核 才能输出 终审必须回原文核对，不能只看 results.json 的字段 ： 横加竖加 warning：读 extracted_tables.json 里该表的完整 headers+rows（用 source_location 的表格ID定位）， 整体看这张表 判断：①这列是不是百分比列（不该加金额）②这几行是不是"其中"子项（重复加）③是不是两期混算（明细和≈合计的整数倍）④明细是否真漏加/多加（真错）。 禁止只看 expected/actual/ratio 数字猜 ——ratio 相同的可能是真错也可能是跨列，只有看表原文才能区分。 表注勾稽 warning：按 note_map 的 table_ids 去 extracted_tables 看那张表的实际内容， 确认 table_id 指对了附注表 （不是别的科目表/风险汇总表/坏账表）。subjects_index 的粗匹配常指错表，note_map 必须回原文核对定位。取数差异时看附注表合计行 vs 报表值。 错别字 error： grep report.md + 解压 docx XML 全文搜索该词 ，确认原文确实存在（AI 会编造原文没有的词，如"先讲先出"幻觉）。不存在→删除（幻觉）。 复核规则： 确认真错 （回原文确认加总不平/勾稽对不上/错别字确实存在）→ 保留 error 特殊结构 （百分比列、子项重复、减项、不同口径、note_map 指错表）→ 降为存疑或删除 误报 （AI幻觉、PDF空格断词、DeepSeek过度报告）→ 删除不显示 evidence 必须含"Agent复核：确认/存疑/删除 + 回原文核对依据" ，无标记视为未复核必须补做 表注勾稽 （check_type="表注"）： run_check --use-ai 已自动执行 （三层分工：Step2 的 note_map 定位 → DeepSeek locate 取数 → calculator 比较"报表数 vs 附注数"）。你只需做 Claude 终审 + 兜底： 抽查 note_map 定位准确性 ：随机几个科目对照附注原文，确认 table_ids 指对了附注明细表（不是报表行） 终审 results.json 里 check_type=表注 的 warning （报表数≠附注数 / 取数失败），区分：①真错（数值确实对不上）②口径差异（附注按账龄/类别拆分，口径不同属正常）③locate 取数失败（→手动补）。按"确认真错/存疑/删除"复核，evidence 加"Agent复核"标记 --no-ai 或取数失败的科目降级为 Claude 手动 ：按 note_map 定位去附注原文提数，调 calculator check 比较（算术绝不手算，全走 calculator） 最低工作量（硬性门槛） ：note_map 覆盖的科目每科目一条结果（标准≥8、深度全覆盖报表列示科目）。附注-only 无四表→跳过，记一条 info 说明原因 横加竖加 （check_type="横加"/"竖加"）：Step 4 的 scan 已对含合计行的表做了代码验算，你在这里做 scan 做不了的部分： 按表分组复核（效率关键，禁止逐条） ：同一张表的多个竖加/横加 warning（如某账龄表4列各报1条=4条warning） 合并成一次复核 ——读该表完整原文一次，批量判断该表所有 warning。用 source_location（表格ID）分组： # 按表分组 warning，一张表一次复核 from collections import defaultdict by_table = defaultdict( list ) for w in warnings: by_table[w.get( "source_location" )].append(w) for table_loc, table_warns in by_table.items(): # 读这张表的完整 headers+rows（一次），批量判断该表所有 warning 判断标准（必须给明确结论，禁止骑墙存疑） ：