【财友云】把一句财税问题检索到权威官方口径——在内置的国家税务总局「互动交流」官方问答语料(394 条,跨 2021–2026)上做本地 BM25 检索,返回命中的官方问答原文要点 + 依据文号 + 发布日期 + 原文链接。检索不到就说检索不到并给官方入口,绝不拿「看起来相关」的问答凑答案。
【财友云】把一句财税问题检索到权威官方口径——在内置的国家税务总局「互动交流」官方问答语料(394 条,跨 2021–2026)上做本地 BM25 检索,返回命中的官方问答原文要点 + 依据文号 + 发布日期 + 原文链接。检索不到就说检索不到并给官方入口,绝不拿「看起来相关」的问答凑答案。
SKILL.md 为准;安装则去 SkillHub 对应页面 →。装到本地即可离线运行,数据不出电脑。["12366", 官方问答, 财税问答, 口径溯源, 语料检索]
> **本地运行,零网络请求、免 API Key、不主动外发数据。**
> 四项诚实承诺:① 检索不到就说检索不到,绝不拿「看起来相关」的问答凑答案;② 高危动作强制人工确认;③ 幂等断点,绝不重复副作用;④ 全程留痕可审计。
> 边界说明:本包脚本自身不联网、不外发;若你把内容贴进 AI 对话,内容是否离开本机由你所使用的客户端决定,不由本包决定。
<!-- WB-CLAIM-BOUNDARY v1 -->
# 财税官方问答检索
「这个问题官方到底怎么答复的?」
AI 答财税问题最大的毛病不是答错,而是**说不清依据**。
本包不生产答案,只做一件事:把你的一句问题,检索到**官方已经公开答复过的原文**,
连出处、日期、依据文号一起交给你——让「口径」这件事有据可查。
## 运行方式
<!-- WB-INVOKE-CONTRACT v1 -->
```bash
# 只看语料底数(不检索)
python scripts/faq_12366_retrieval.py --stats
# 默认预览(不写盘)
python scripts/faq_12366_retrieval.py --file 问题清单.csv
# 确认无误后正式执行
python scripts/faq_12366_retrieval.py --file 问题清单.csv --execute
# 常用旋钮
python scripts/faq_12366_retrieval.py --file q.csv --topk 3 # 备选命中条数
python scripts/faq_12366_retrieval.py --file q.csv --tax 增值税 # 只在某税种语料内检索
python scripts/faq_12366_retrieval.py --file q.csv --min-score 12 --min-cover 0.4
python scripts/faq_12366_retrieval.py --corpus 我的语料.jsonl # 换成自备语料
# 交付前自检
python scripts/selfcheck.py
```
## 语料是什么、从哪来
| 项 | 说明 |
|---|---|
| 条数 | 394 条(2026-10 采集) |
| 来源 | **国家税务总局官网「互动交流」**——「回应关切」与「留言公开」两栏目 |
| 性质 | 政府公开信息,每条标注原文链接与发布日期,可回溯核验 |
| 时间跨度 | 2021-10-13 ~ 2026-09-23 |
| 税种覆盖 | 增值税 204 / 企业所得税 191 / 税费优惠 183 / 税收征管 96 / 个人所得税 50 / 关税 46 … |
每条语料是一问一答的**官方原文**,带 `来源` `发布日期` `原文链接` `税种` `依据文号`。
> 语料是**可替换**的。放进包内 `data/12366_corpus.jsonl` 即可,格式每行一条 JSON。
> 扩充方式见 `README.md`「语料扩充」。
## 何时不触发
- 「帮我写一份税收筹划方案」→ 本包只检索官方口径,不做筹划(用同系列其它包)。
- 「这条法规还有效吗」→ 用 `caiyouyun-policy-validity-check`(效力核验)。
- 「这个业务我要交多少税」→ 本包不代算税额;命中答复里的计算过程只是**官方原文的摘录**。
- 语料里没有的问法,问一百遍也还是「未命中」——本包不会为了给你答案而编一条。
> 本包的价值在**溯源**,不在**给答案**。指望它回答任何问题,方向就错了。
## 工作流(编号阶段)
1. **备清单**:一列「问题」,一行一句自然语言问法(越接近你的真实问法,检索越准)。
2. **看底数**:先 `--stats` 确认语料覆盖(税种、时间跨度),心里有数。
3. **预览检索**:不加 `--execute`,看命中质量与未命中清单。
4. **调参收敛**:未命中太多 → 降 `--min-cover`/改问法;命中噪音 → 升 `--min-score`。
5. **落盘四件套**:`--execute`。
6. **人工复核**:打开每条命中的**原文链接**,确认口径适用于你的具体情形(语料是通用答复,不针对个案)。
> 按顺序推进;第 3 阶段的命中质量没过关,不要急着落盘。
## 判断框架(双门控,绝不凑数)
一条查询要判为「命中」,**两个条件同时成立**:
| 门控 | 含义 | 默认 |
|---|---|---|
| BM25 分数 | 词频-逆文档频率加权相关度 | ≥ 8.0 |
| **词项覆盖率** | 查询里的词被该文档覆盖的比例 | ≥ 30% |
为什么要覆盖率这第二道?**因为只靠分数会被「一两个稀有词」刷出假命中。**
实测:「我打算去火星开公司,需要在中国交税吗」在纯 BM25 下拿到了 13.8 分,
差点命中「建筑服务异地预缴」——但它的覆盖率只有 **15%**(真命中普遍在 70% 以上),
第二道门直接把它挡在异常表外。
> 宁可把一条**可能相关**的挡在门外让你去官方查,也不放一条**看起来相关**的进来冒充答案。
## 命中与未命中的处理
| 情形 | 处理 |
|---|---|
| 分数 ≥ 阈值 且 覆盖率 ≥ 阈值 | 进**主表**:命中官方问答 + 答复要点 + 依据 + 来源 + 原文链接 |
| 任一不达标 | 进**异常表**:写清「最高相关度 X/覆盖率 Y%」并给**官方查询入口** |
异常表不是「错误」,是**业务结论**:这句话在现有语料里没有可靠对应,请回官方查。
异常表每行都附官方入口,不是甩锅,是给你下一站。
## 输入 / 输出
**输入**:CSV / TSV,首行为表头。自动识别含「问题 / 查询 / question / query」的列;没有则取第一列。
```csv
问题
小规模纳税人月收入不到10万元客户要专票能开吗
电子发票可以作废吗
```
**输出四件套**(`--execute` 后落盘,文件名 `<前缀>_主表.csv` 等):
| 文件 | 内容 |
|---|---|
| `问答检索_主表.csv` | 查询 → 命中官方问答 / 相关度 / 税种 / 答复要点 / 依据文号 / 来源 / 发布日期 / 原文链接 / 备选命中 |
| `问答检索_异常表.csv` | 未命中的查询 + 原因(相关度与覆盖率实测值)+ 官方查询入口 |
| `问答检索_校验表.csv` | 检索口径、语料条数、守恒校验、人工复核提示 |
| `fin-log.jsonl` | 运行日志(含输入 sha256、行数、规则版本) |
## 真实输出
```
--- 命中(6 条)---
[91.06] 小规模纳税人月收入不到10万元客户要专票能开吗
→ 我公司是小规模纳税人,月收入不到10万元,客户非要专票,能开吗? | 增值税、税收征管 | 2025-11-17
[110.18] 研发活动剩余的原料用于日常生产还能享受加计扣除吗
→ 我公司将研发剩余的原料用于日常生产,这部分原料可以享受研发费用加计扣除政策吗? | 企业所得税 | 2025-09-22
--- 未命中,须回官方查(1 条)---
我打算去火星开公司,需要在中国交税吗
```
> 注意:主表里的「答复要点」是官方原文的**摘录**,可能被你截断看到「…」。
> 要完整口径与最新状态,**点原文链接**。语料的时间戳是采集时的官方版本。
## 拒绝权(什么情况下不给结果)
- **语料文件缺失或为空** → 直接拒跑,不静默退化成「全部未命中」。
- **查询清单无表头 / 无有效问题** → 拒跑,提示补表头。
- **条目不守恒**(输入 ≠ 主表 + 异常)→ 拒跑。这是本包自身缺陷,不放行对不上账的结果。
- **某税种过滤后语料为 0** → 拒跑,而不是返回空结果让你误以为「官方没答复过」。
## 关键设计(容易踩的坑)
1. **中文分词用字符 bigram,不依赖 jieba。** 零第三方依赖,任何 Python 环境可复现。
2. **含数字的长句必须先分段再 bigram。** 早期版本对「月收入不到10万元」整段当一个 token,
导致该命中的语料检索不到——分词错,检索全废。
3. **覆盖率门控是必需的,不是可选的。** 见上文「判断框架」。
4. **问题字段权重 3、答复权重 1。** 语料是问答对,问题才是「这句话在问什么」的载体。
5. **不内置任何「标准答案」映射。** 只检索官方原文,检索不到就承认检索不到。
## 人工复核(必读)
本包产出的是**线索与出处**,不是**结论**:
- 官方答复往往针对**提问者的具体情形**,不等于你的情形也适用。
- 语料有时间戳;政策会变,引用前请核对**原文是否仍为现行版本**。
- 涉及金额、申报口径、征管处理的最终结论,**必须人工确认**,并对接主管税务机关。
## 相邻路线转交
| 你的真实需求 | 该用哪个包 |
|---|---|
| 这条法规还有效吗 | `caiyouyun-policy-validity-check` |
| 我们算不算小微企业 | `caiyouyun-sme-classification-check` |
| 这个业务有哪些优惠可享 | `caiyouyun-tax-benefit-matcher` |
| 这个表哪一栏填什么 | `caiyouyun-tax-form-guide` |
| 各地政策差在哪 | `caiyouyun-local-policy-diff` |
## 可直接复制的说法
> 这是国家税务总局官网公开答复的原文(附链接与日期),供你核对口径。
> 它是通用答复,是否适用于你的具体情形,请以主管税务机关口径为准。
## 做完怎么算完成
- [ ] 问题清单已检索,命中与未命中都落到了四件套里
- [ ] 每条命中都点开过原文链接确认口径
- [ ] 未命中项已用异常表里的官方入口自行核实(或列入待办)
- [ ] 涉及金额 / 申报的结论已人工确认
## 参考资料(渐进式披露)
- `references/01-legal-basis.md` —— 语料来源、官方入口与信息性质
- `references/02-decision-table.md` —— 检索判定规则与阈值调参
- `references/03-verification-checklist.md` —— 语料格式规范、核验清单与扩充路径
> 三份 reference 是**方法与路径**,不是「问答数据库」——语料本身在 `data/12366_corpus.jsonl`。
## 输出规范
- 编码 UTF-8(CSV 带 BOM,Excel 直接可开);分隔符逗号。
- 主表一行一查询,命中唯一最佳答复;备选命中列给出 id 与分数。
- 答复要点默认截断 180 字,超长以「…」标注,完整内容见原文链接。
- 所有时间戳为语料采集时的官方发布日期,格式 `YYYY-MM-DD`。
- 金额、比例等数字**只做原文摘录**,本包不做任何重算。
## 免责声明
本包为财税信息检索辅助工具,语料来自国家税务总局官网公开信息,仅供参考。
不构成税务意见、不替代主管税务机关口径。使用本包产生的任何申报、缴纳或决策后果,
由使用者自行承担。引用的官方答复可能因政策更新而失效,请以官方现行有效版本为准。
## 反例对照(避开这些写法)
| ❌ 不要这样 | ✅ 应该这样 |
|---|---|
| 「根据规定,你可以开具专票」 | 「官方答复(附链接)提到:可就该部分收入放弃免税、开具专票;是否适用于你的情形请核对原文」 |
| 把「答复要点」当作完整政策原文引用 | 摘录要点 + 给出**原文链接**,让使用者自己看全文 |
| 未命中时硬找一个相近问答给用户 | 进异常表,说明「未在语料中检索到可靠命中」并给官方入口 |
| 拿 2021 年的答复当 2026 年的现行口径 | 标注发布日期,提醒核对现行版本 |
| 用 BM25 分数单独判命中 | 分数 + **覆盖率**双门控 |
## 交付前自检(必跑)
<!-- WB-SELFCHECK v1 -->
```bash
python scripts/selfcheck.py # 完整自检
python scripts/selfcheck.py --quick # 跳过入口冒烟
```
检查项:SKILL.md / frontmatter / 必备章节 / 打包卫生 / 脚本可运行 / 入口 `--help`。
<!-- /WB-SELFCHECK -->
## 退出码(脚本契约)
| 码 | 含义 |
|---|---|
| 0 | 正常(含「有异常行」——未命中是业务结果,不是脚本错误) |
| 2 | 用法错误 / 参数不认识 / 语料缺失或为空 |
| 3 | 自身缺陷(条目不守恒等) |
| 4 | 环境问题(Python 版本过低 / 依赖缺失) |
## 状态与断点
- 检索是**无副作用**操作:可反复运行,不改变任何外部状态。
- `--execute` 只写 `--out-dir`(默认 `./_out`),不触碰输入文件。
- 每次运行追加一条 `fin-log.jsonl`,含输入文件 sha256,可审计。按真实会被问到的顺序排,每条答案都给得出可核对的依据,不含含糊其辞的部分。
【财友云】把一句财税问题检索到权威官方口径——在内置的国家税务总局「互动交流」官方问答语料(394 条,跨 2021–2026)上做本地 BM25 检索,返回命中的官方问答原文要点 + 依据文号 + 发布日期 + 原文链接。检索不到就说检索不到并给官方入口,绝不拿「看起来相关」的问答凑答案。
常见的触发场景有:这个问题官方怎么答复的、12366 上怎么说的、有没有官方问答。
完整说明、版本记录和安装方式在 SkillHub 上的「财税官方问答检索」页面 →。
输出会落在 _out/ 目录,主要包括:
问答检索_主表.csv查询 → 命中官方问答 / 相关度 / 税种 / 答复要点 / 依据文号 / 来源 问答检索_异常表.csv未命中的查询 + 原因(相关度与覆盖率实测值)+ 官方查询入口问答检索_校验表.csv检索口径、语料条数、守恒校验、人工复核提示有。下面几种情况它会明确拒绝,而不是硬给答案:
总之是算不出就说算不出,不会给你一个看着合理、实际没依据的数字。
这几条是设计时就写进去的口径,不知道会直接算错,不是「留意一下」那种套话:
不能直接拿去报。它给的是建议和依据,最终判断还是得你来做。下面这几条是它要求你逐条过的:
不会。运行时不发一个网络包。你自己就能验证,三条路任选:
把网断掉再跑一遍,功能照常——它本来就没打算联网。
打开包里的 SKILL.md,权限声明写的是 network: none,不声明就没有联网能力。
直接翻 scripts/ 下的源码,全站都是 Python 标准库写成,没有一行网络代码。
都不要。免费使用,不需要任何 API Key,不联网就不需要 Key,也不存在额度这回事。开源协议 BUSL-1.1,发布满 4 年后自动转为 Apache License 2.0。
安装后,在支持 SkillHub 的 AI 客户端(如 WorkBuddy)里直接使用即可。
触发方式:对话里提到「这个问题官方怎么答复的、12366 上怎么说的、有没有官方问答」等场景,或上传相关表格/凭证,它就会自动响应。
典型用法:把原始文件发给 AI,说『帮我跑 财税官方问答检索』或『处理一下这个』,结果会输出到当前目录的 _out/问答检索_主表.csv。
也可以从客户端的「已安装技能」列表里手动唤起。
Windows / macOS / Linux 都能跑,不需要 pip install 任何东西。
运行只依赖 Python 3 标准库:全站 345 个脚本的首行都是 #!/usr/bin/env python3,没有第三方依赖,也就没有环境冲突要调。
在 SkillHub 上一键安装即可,主流 AI 客户端都能装。运行是只读 + 输出到 _out/,你原来的账套和表格一个字节都不会被动。
【财友云】输入政策文件/文号清单,比对政策有效期与废止状态,输出「即将到期/已废止/仍有效」提醒与转交建议,严守"以主管机关口径为准"的边界。
【财友云】内置国家税务总局税收法规库的法规条目索引离线快照(约 5,473 条),按法规名称、关键词或税种检索,逐条给出时效性(全文有效/已修改/全文失效/全文废止/尚未生效)、效力等级(法律/行政法规/部门规章/规范性文件)、发布日期、修订沿革注释与官方原文链接,并支持按「有效」或「废止」等时效性、按效力等级筛选。适用于下结论前先确认依据文件还生不生效、某一税种有哪些现行文件、文号文件被谁替代等场景。数据为离线快照、版本可查,运行时零联网。
【财友云】内置出口退税率文库商品码表快照(约 3.2 万个 8/10 位商品代码),把待查编码按 HS 规则拆成「章 / 品目 / 子目 / 本国子目」四层,做 8/10 位位数校验,并在码表里命中官方商品名称与计量单位,同时给出《进出口税则》归类总规则(GRI 1–6)的方法论提示。适用于外贸 / 财税人员核对编码层级写对没写对、按名称反查可能的编码、编码位数自检等场景。数据为离线快照、版本可查,运行时零联网。
【财友云】内置国务院关税税则委员会《2026年关税调整方案》五张附表离线快照(进口商品暂定税率表 935 条、关税配额商品税目税率表 47 条、出口商品税率表 107 条,另有税目调整表与本国子目注释调整表),按税则号列或商品名称查进口最惠国税率、2026 年暂定税率、关税配额税率与出口税率,并提示该税则号列是否涉及税目调整 / 子目注释变化。适用于进出口报价前核税率、判断「出口要不要交关税」、核对进口暂定税率适用等场景。数据为离线快照、版本可查,运行时零联网。
【财友云】内置财政部关税司(国务院关税税则委员会办公室)政策发布公告索引离线快照(497 条,2008–2026 年),按关键词或年份检索关税税则委员会公告,输出标题、发布日期与原文链接,并按发布日期倒序。适用于追踪「美国 / 加征 / 零关税 / 暂定税率 / 税则」等主题的最新关税政策、核对某年度关税公告清单、定位政策原文链接等场景。数据为离线快照、版本可查,运行时零联网;本包只做公告索引检索与定位,不做政策解读。
【财友云】内置国家税务总局《出口退税率文库》在效快照(约 3.2 万个商品代码),按商品代码或商品名称查出口退税率、征税率、计量单位与生效期,并支持「退税率 13% 的商品有哪些」这类反向清单查询。适用于外贸企业报价前核税率、出口退税申报前核对商品退税率、财务复核退税额计算口径等场景。数据为离线快照、版本可查,运行时零联网。
【财友云】内置两套官方数据:① 国家税务总局「税收条约」栏目索引快照(142 条,含条约/协定名称与原文链接);② 国务院关税税则委员会《2026 年关税调整方案》附 6「自贸协定和优惠贸易安排实施税率表」(8,931 个税则号列 × 32 个协定/优惠安排)。按协定或国家名定位条约原文,按税则号列摘录各协定优惠税率。适用于查某国/某协定有没有税收协定、条约原文在哪、某税则号列在东盟/RCEP/韩国等协定下适用什么优惠税率等场景。只做条款与税率的定位与摘录,不做原产地判定。数据为离线快照、版本可查,运行时零联网。
【财友云】逐条核验财税法规的效力状态——现行有效、尚未生效、已修改、条款废止、条款失效、部分废止、条款修订、全文失效、全文废止等,判定依据以**官方时效性字段**为第一级来源(内置国家税务总局法规库效力快照,去重后 5,386 条),每条结论标注来源与置信分级,官方库未标注或未收录的一律标「须回官方核验」不猜。适用于引法前的效力自查、政策清理、存量制度梳理等场景。
【财友云】逐行判断研发费用能不能加计、加计多少,含「其他相关费用」10%÷(1−10%) 交叉限额与负面清单筛查,每条结论带条文号。认不出的费用标「需人工核实」。适用于研发费用归集、加计扣除自查、辅助账核对等场景。