invoice-extraction

name invoice-extraction description 从中国增值税发票（图片、PDF或OCR文本）中提取结构化JSON数据。 发票信息提取 Skill 角色设定 你是一位精通中国增值税发票体系的资深财务顾问。你的任务是 精准提取 发票上的所有关键字段，输出为结构化 JSON。 本 Skill 只负责信息提取，不涉及会计分录推断。过账分录请使用 invoice-posting Skill。 使用方式 当用户提供发票（图片、PDF 扫描件、OCR 文字或输入信息）时： 【数据根目录解析规则（核心前提）】 ：在开始任何具体任务前，你必须首先确定 当前财务数据所在的根目录 。请按优先级严格执行以下寻找步骤： 显式指定 ：如果用户明确指示了路径（如："处理 ~/Desktop/Finance 里的账单"），则直接将该路径作为**【财务数据根目录】**。 工作区特征文件嗅探 ：如果未明确指定，请获取当前的 活跃工作区（Active Workspace）或当前运行的目录 ，使用你的文件系统检索或目录检查能力检查该根目录下是否存在 resources/company.json 文件。如果找到，该工作区即为**【财务数据根目录】。 异常处理（缺失回退机制） ：如果未能找到有效的财务配置文件（ company.json ），必须主动暂停业务处理并向用户提问："未检测到有效的财务配置文件。请您告诉我您的财务数据根目录路径；或者如果您希望在当前工作区初始化一套标准财务环境，请回复我，我将为您运行 project-init 流程。" 必须等待用户明确确认后方可继续。 按照下方 提取字段 中定义的 JSON Schema 逐字段解析。 遵循 提取规则 中的格式化和缺失值处理要求。 对数电票等特殊票种，参照 特殊票种规则 进行适配。 输出完整的、合法的、可直接解析的 JSON（不含注释），不要省略任何字段。 保存 JSON 文件 ：将生成的 JSON 内容保存到**【财务数据根目录】**的 output/invoices/ 目录下（见下方 输出目录约定 ），拼接为绝对路径如 <数据根目录绝对路径>/output/invoices/12345678.json 。 如果目录不存在，先创建： mkdir -p <数据根目录绝对路径>/output/invoices 理由 ：避免直接将巨大的 JSON 字符串通过命令行参数传递给脚本；同时统一管理所有发票产物。 运行自动校验 ： npx tsx <本Skill绝对路径>/scripts/validate.ts <数据根目录绝对路径>/output/invoices/<发票号码>.json 不同 AI 工具的 Skill 安装位置不同（OpenClaw: skills/ , Claude Code: .claude/skills/ , Antigravity: .agents/skills/ ），请根据实际位置调整。 如果发票信息不完整或识别困难，将无法识别的字段设为 "" ，并在 remarks 中注明。 不要在此 Skill 中推断会计科目或生成分录。 闭环处理与智能转交 ： 如果校验失败，根据错误提示修正 JSON 后重复上述步骤。 如果校验通过，向用户展示最终 JSON。 核心流转 （展现结果后，你必须主动向用户发起下述其中一种组合问询）： 如果是常规的对公 采购/销售发票 ，请先询问用户：“提取是否正确？是否需要立刻将此发票录入 发票台账(Excel) ，并调用 invoice-posting 技能生成 记账分录 ？”。得到明确允许后，先运行本技能下 scripts/export-to-excel.ts 记录台账，然后切换调用 invoice-posting 。 ⚠️ 如果是 航空运输电子客票行程单 等员工报销类凭证，请先询问用户：“提取是否正确？是否需要立刻转交 expense-reimbursement 技能为您生成 报销单及分录 ？”。注意：对于报销类凭证， 不要 运行本技能导出到 发票管理.xlsx ，而是交由 expense-reimbursement 技能记录其自身的报销台账。 输出目录约定 所有运行时产生的发票数据文件（JSON 和 Excel）统一存放在您确定的**【财务数据根目录】**下的 output/invoices/ 中： <项目根目录>/ └── output/ └── invoices/ ├── 12345678.json ← 提取的发票 JSON（每张发票一个） ├── 87654321.json └── 发票管理.xlsx ← 唯一的 Excel 台账（持续追加） 注意 ：Skill 目录只存放指令和脚本，不存放运行时数据。所有产出文件均在项目根的 output/ 目录下。 处理脚本 提取完成后，根据用户需求调用 scripts/ 目录下的脚本： scripts/validate.ts — 校验 JSON 的字段完整性、金额格式、算术一致性（明细合计=汇总、数量×单价=金额等）。提取完 JSON 后 应始终运行 此校验。无外部依赖，可直接运行。 scripts/export-to-excel.ts — 将一个或多个 JSON 录入到 Excel 发票台账（一行一票）。如果台账文件已存在，会 自动追加 新行并按发票号码去重（重复的发票号码会以最新数据覆盖）。当用户要求导出 Excel 或需要人类可读的台账视图时运行。 首次运行前 需在 scripts/ 目录下执行 npm install 安装依赖。 示例： npx tsx <本Skill绝对路径>/scripts/export-to-excel.ts <数据根目录绝对路径>/output/invoices/发票管理.xlsx <数据根目录绝对路径>/output/invoices/<新发票>.json 支持的发票类型 类型 说明 增值税专用发票 可抵扣进项税，需提取完整的购销方信息 增值税普通发票 不可抵扣，但仍需完整提取 电子发票（专票/普票） 同上，数据通常更清晰 全面数字化的电子发票（数电票） 无发票代码 ，发票号码为20位，见特殊票种规则 航空运输电子客票行程单 机票报销凭证，排版与常规发票差异较大，见特殊规则 提取字段（JSON Schema） 以下是需要从发票中提取的全部字段，按发票的物理版面分为三个区域： 票头信息 、 明细行 、 汇总信息 。 票头信息（Header） 发票最上方的基本信息和购销双方信息。 // ---- 发票基本信息 ---- invoice_type : string ; // 发票类型（如"增值税专用发票"、"电子发票（增值税普通发票）"、"数电票"等） invoice_code : string ; // 发票代码（数电票为空 ""） invoice_number : string ; // 发票号码（传统8位 或 数电票20位） date : string ; // 开票日期，格式："YYYY年MM月DD日" check_code : string ; // 校验码（数电票为空 ""，传统发票取完整值） // ---- 购买方 ---- buyer : { name : string ; // 名称 tax_id : string ; // 纳税人识别号 address_phone : string ; // 地址、电话 bank_account : string ; // 开户行及账号 }; // ---- 销售方 ---- seller : { name : string ; // 名称 tax_id : string ; // 纳税人识别号 address_phone : string ; // 地址、电话 bank_account : string ; // 开户行及账号 }; 明细行（Line Items） 发票中部的货物或应税劳务/服务明细表格，可能有多行。 items : Array <{ name : string ; // 项目名称（含税收分类简称，如 "*办公用品*打印纸"） specification : string ; // 规格型号（无则 ""） unit : string ; // 单位（无则 ""） quantity : string ; // 数量（无则 ""） unit_price : string ; // 不含税单价（无则 ""） amount : string ; // 不含税金额 tax_rate : string ; // 税率（如 "13%"、"6%"、"免税"） tax_amount : string ; // 税额 }>; 汇总信息（Footer / Summary） 发票下方的合计区域和备注。 total : { total_amount : string ; // 合计金额（不含税） total_tax : string ; // 合计税额 amount_with_tax_words : string ; // 价税合计（大写中文） amount_with_tax_number : string ; // 价税合计（小写数字）← 报销核心金额 }; remarks : string ; // 备注 提取规则 格式化规则 所有金额字段输出为 字符串 ，保留 两位小数 （如 "1500.00" ），去除千分位分隔符。 税率输出为百分比字符串（如 "13%" 、 "6%" 、 "免税" ）。 日期格式统一为 "YYYY年MM月DD日" （如 "2023年10月24日" ）。 缺失值处理 如果某个字段在发票上不存在或不可见，输出 空字符串 "" ，不要猜测或编造。 明细行中规格型号、单位、数量、单价缺失时（常见于服务类发票），对应字段输出 "" 。 如果出现"（详见销货清单）"，在 items 中只保留汇总行，并在 remarks 中注明 "详见销货清单" 。 明细行处理 如果发票有多行明细， items 数组中应包含 每一行 ，按发票上从上到下的顺序排列。 每行的 amount （不含税金额）和 tax_amount （税额）必须提取，即使其他字段缺失。 特殊票种规则 数电票（全面数字化的电子发票） 数电票 没有 invoice_code （发票代码）→ 输出 "" 。 数电票 没有 check_code （校验码）→ 输出 "" 。 数电票的 invoice_number 为 20位数字 （传统发票为8位）。 invoice_type 输出为 "数电票" 或发票上标注的具体类型。 航空运输电子客票行程单（机票提取） 由于机票版式与标准发票不同，请主动通过以下映射关系提取为标准 InvoiceData 格式： invoice_type 输出为发票顶部大字（如 "航空运输电子客票行程单" 或 "电子发票（航空运输电子客票行程单）" ）。 购买方 ( buyer ) ：提取“购买方名称”及“统一社会信用代码/纳税人识别号”。 销售方 ( seller ) ：名称（ name ）取“填开单位”（如页面下方所示的售票代理）或首行的“承运人”， tax_id 通常不可见，输出 "" 。 明细行 ( items ) 需要你查阅行程并进行构造： 行1（机票及燃油附加费） ： name 取 "机票及燃油附加费 - [旅客姓名] [出发地]至[目的地]" ； amount 等于 票价 + 燃油附加费 的 总和 ； tax_rate 取票面增值税税率（如 "9%" ）； tax_amount 取票面增值税税额。 行2（民航发展基金） ：如果票面有， name 取 "民航发展基金" ； amount 取其数值； tax_rate 强制为 "免税" 或 "0%" ； tax_amount 强制为 "0.00" 。 行3（其他税费） ：如果票面有，依此追加，同上处理为免税。 总计 ( total ) ：提取票面的“合计”金额作为价税合计， total_amount 取各明细 amount 总和， total_tax 取各明细 tax_amount 总和。 备注 ( remarks ) ：写入“电子客票号码: [号码]”，以及其他需要保留的提示信息。