Skill-发票报销 | AyeeNotion’s Blog

「发票报销」Skill：把贴发票这件事交给 AI

一条命令，从一堆零散的电子发票 PDF、微信截图、扫描水单，变成一份可以直接提交审批的报销汇总 PDF。本文记录这个 WorkBuddy Skill 的设计思路与技术实现。

一、痛点：报销季的手工地狱

每次出差回来，报销材料的整理都是一场修行：

电子发票 PDF 若干张（数电票，各平台下载）

微信里保存的发票截图、酒店水单照片若干张

夸克扫描王扫的纸质收据若干份

手工流程是：逐张打开 → 抄发票号、日期、金额 → 拼成 Excel → 排版打印 → 贴票。一次报销少则半小时，多则一小时，而且抄错一个发票号就要重来。

这类任务的特点恰好是 AI 的舒适区：模式固定、规则明确、重复劳动。于是就有了「发票报销」Skill。

二、设计思路：文件夹即报销期间

Skill 约定了一个极简的目录协议，用户唯一要做的事是把同一批报销的材料丢进同一个文件夹：

在此基础上，整个流水线只需要一条命令：

（目录参数可省略，默认 ~/Desktop/发票管理）

三条核心设计决策

文件夹名即业务标识：文件夹名（如日期区间）直接成为报告标题和输出文件名，无需额外配置。

.done 后缀实现幂等：处理完的文件夹改名为 20260718-20260723.done，重复执行自动跳过，中断重跑零成本。

双类型分流：电子发票（有文本层的 PDF）走正则解析；扫描件/图片走多模态视觉识别。两条路径各司其职。

三、流水线全景

整条流水线四个步骤、两次分流：入口处按"PDF 有无文本层"分成正则解析与多模态识别双路径（确定性归代码，智能归模型）；出口处按"审批用还是打印用"分成汇总 PDF 与水单 PDF 双输出。JSON 作为中间产物把提取与生成解耦，.done 后缀形成幂等闭环。

四、技术拆解

Skill 由三个 Python 脚本组成，串成一个数据流水线（JSON 作为中间产物）：

脚本	职责
`scripts/extract_invoices.py`	扫描目录，提取发票信息，输出 JSON
`scripts/generate_summary_pdf.py`	读取 JSON，为每个文件夹生成 PDF 汇总报告
`scripts/rename_folders.py`	将已处理文件夹重命名加 `.done`

依赖：Python 3.6+、PyMuPDF（fitz）、Pillow、reportlab。

4.1 步骤一：双路径提取（extract_invoices.py）

核心是一个分流判断——PDF 里有没有文本层：

路径 A：电子发票正则解析。 数电票的文本层结构非常规整，发票号（20 位数字）、开票日期、购买方/销售方、三段金额（金额/税额/价税合计）都能用正则稳定提取：

路径 B：扫描件/图片多模态识别。 银行水单、酒店收据这类扫描件没有文本层，脚本只负责把图片从 PDF 里抽出来（存到 /tmp），打上 needs_ocr: true 标记，剩下的交给 AI 的视觉能力逐张识别。

这里我沿用了 ayee-picture2markdown 沉淀的 Strict Faithfulness（严格忠实）铁律：

只输出图片上实际可见的内容，绝不推断、绝不臆造

看不清的字用 □ 或 [?] 占位，并标注「识别不确定」

宁可留空，不可编造——报销单上一个编造的发票号比一个空格严重得多

4.2 步骤二：生成 PDF 报告（generate_summary_pdf.py）

每个文件夹生成两份 PDF，分而治之是刻意设计：

汇总 PDF（20260718-20260723.pdf）：发票表格（序号/文件名/类型/发票号/公司/金额）+ 合计金额 + 电子发票原件图片。审批人一页看完所有信息，附上原件，免翻附件。

水单 PDF（20260724-20260726_水单.pdf）：扫描件（水单、收据）单独成册，方便出纳查看打印。

中文字体是 reportlab 的经典坑。解决方案是按优先级依次尝试 macOS 系统字体：

4.3 步骤三：`.done` 幂等收尾（rename_folders.py）

处理完即打标。下次执行时 extract_invoices.py 里的目录过滤自动跳过：

这是整个 Skill 里我最喜欢的一行代码——幂等性把"中途失败要不要重跑"这个问题从设计上消灭了。

五、最终输出

一个细节：20260723-20260724(缺发票) 这种文件夹名里的中文备注会被原样保留到输出文件名——文件夹命名协议天然支持用户自由扩展，无需额外字段。

六、已发布 SkillHub：一行命令装走

这个 Skill 已经发布到 SkillHub：@user_ff7200d6/expensereimbursement（v1.0.0）。任何 AI Coding 客户端都可以直接安装使用。

安装方法

先装 SkillHub CLI（macOS / Linux 一行命令）：

然后按你所用客户端的 skills 目录安装，以 WorkBuddy 为例：

各客户端的 skills 目录对照（来自 SkillHub 安装文档）：

AI Client	Skills 路径
Claude Code	`~/.claude/skills/`
Cursor	`~/.cursor/skills/`
Windsurf	`~/.codeium/windsurf/skills/`
Codex	`~/.codex/skills/` 或 `.agents/skills/`
Gemini CLI	`~/.gemini/skills/`
WorkBuddy	`~/.workbuddy/skills/`

注意：--dir 是必需参数，必须指向你客户端的真实 skills 目录，否则装到默认的 ./skills/ 不会被识别；安装后需重启会话生效。

装好之后，一句 /发票报销 就能跑起来整条流水线——这也是我理解 Skill 生态的正确打开方式：把踩过的坑、定下的铁律、写好的脚本打包成一个可分发的工件，别人拿到的不是一段要自己复现的教程，而是五秒钟内可用的能力。

七、经验总结

让确定性归代码，让智能归模型。 正则能稳定搞定的（电子发票文本层）绝不用大模型；正则无能为力的（扫描件视觉理解）才交给多模态。这条边界划清楚后，准确率和速度兼得。

幂等性是批处理脚本的生命线。 一个 .done 后缀胜过十页容错逻辑。

Strict Faithfulness 在财务场景是刚需不是洁癖。 识别不确定就标注不确定，AI 输出可信度低于 100% 时，宁可让用户人工补一眼。

JSON 作为流水线中间产物。 提取和生成分离，任何一步都可以单独重跑、单独调试。

本文对应 Skill 已发布至 SkillHub（@user_ff7200d6/expensereimbursement），关联阅读：ayee-picture2markdown（图片识别忠实原则的来源）、ayee-arch-designer（Skill 的架构设计规范）。