数据 · 清洗 / 合并 / 脱敏 / 异常

财务明细表清洗标准化

【财友云】把系统导出的脏表变成标准表:日期统一、金额转数值、名称按映射表替换,空值/重复/无法匹配进异常表,输出四件套。适用于数据清洗、台账、Excel 清洗等场景,核心能力覆盖日期格式统一、金额转数字、部门名称统一、脏数据处理、异常行挑出。

已上线 P0 L0

财务明细表清洗标准化

【财友云】把系统导出的脏表变成标准表:日期统一、金额转数值、名称按映射表替换,空值/重复/无法匹配进异常表,输出四件套。适用于数据清洗、台账、Excel 清洗等场景,核心能力覆盖日期格式统一、金额转数字、部门名称统一、脏数据处理、异常行挑出。

这个包已上线。正文与用法以下方随包 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。

标签

[Excel, 数据清洗, 财务, 标准化, 台账]

技能正文(随包 SKILL.md)

> **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 算不出就说算不出,绝不编造数字;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 -->

# 财务明细表清洗标准化

财务自动化的第一步。系统导出的明细表通常日期写法不统一、金额带千分位和货币符号、部门名称各写各的,手动清洗耗时且容易漏。本包把这一步固化成可重复运行的流程。

## 运行方式

<!-- WB-INVOKE-CONTRACT v1 -->

**环境**:Python 3.8+,**仅标准库,无需安装任何依赖**。

**作用**:财务明细表清洗标准化(零网络 · 本地运行)

**命令**(在技能目录下执行;`<尖括号>` 是你要替换的输入):

```bash
# 默认预览(不写盘)
python scripts/table_clean.py <file>

# 确认无误后正式执行
python scripts/table_clean.py <file> --execute
```

**参数**:

| 参数 | 说明 |
|---|---|
| `<file>` | 待清洗的 .xlsx / .csv 文件 |

**选项**:

| 选项 | 说明 |
|---|---|
| `--sheet SHEET` | xlsx 工作表名,默认第一个 |
| `--date-cols DATE_COLS` | 日期列,逗号分隔,统一为 YYYY-MM-DD |
| `--amount-cols AMOUNT_COLS` | 金额列,逗号分隔,转数值 |
| `--map MAP` | 名称映射表 CSV:原名,标准名 |
| `--map-cols MAP_COLS` | 需要做名称映射的列,逗号分隔 |
| `--dict DICT` | 字段字典 CSV:列名,类型,必填,标准名 |
| `--key KEY` | 业务唯一键列名,重复行进异常表;多列组合用逗号分隔 |
| `--key-mode {all,any}` | 多列唯一键时 all=全部相同才算重复(默认),any=任一相同即疑似重复 |
| `--out-dir OUT_DIR` | — |
| `--preview PREVIEW` | 预览行数,默认 20(SOP 小样本) |
| `--execute` | 真正写盘;不加则只预览 |
| `--operator OPERATOR` | 操作人,写进处理日志 |
| `--rule-version RULE_VERSION` | 规则版本,写进处理日志 |

**退出码**:`0` 成功 / `2` 输入错误 / `3` 鉴权失败 / `4` 环境或依赖失败 / `8` 部分成功。

**输出**:产物写入执行目录,源文件不改动;先跑预览确认,再加 `--execute` 落盘。

## 何时不触发

以下情况**不要**启动本技能,并主动告诉用户该走哪条路:

1. 需求不在上面适用范围之内 → 直接说明本技能不覆盖,不要硬套流程凑出结果。
2. 缺少必要输入(参数、文件、授权、前置数据)→ 先向用户索取,不要自行假设默认值开跑。
3. 用户只是随口一问、要一个即时结论 → 直接回答,不要启动完整流程。
4. 同一任务上一轮已产出、用户未要求变更 → 复用上次产物,不重复执行。
5. 触发条件只是勉强沾边 → 宁可不触发。误触发一次的成本高于漏触发一次。

## 工作流(编号阶段)

| 阶段 | 做什么 | 产物 | 闸门 |
|---|---|---|---|
| 一 | 输出四件套(每次运行必有,缺一不可) | 执行结果 + 留痕文件 | 前置输入齐备、前置条件满足;缺参数先索取,不要假设默认值 |
| 二 | 环境准备 | 执行结果 + 留痕文件 | 上一阶段产物已可用且通过检查;否则退回上一阶段重做 |
| 三 | 用法 | 执行结果 + 留痕文件 | 上一阶段产物已可用且通过检查;否则退回上一阶段重做 |
| 四 | 参数 | 执行结果 + 留痕文件 | 上一阶段产物已可用且通过检查;否则退回上一阶段重做 |
| 五 | 安全与边界(拒绝权) | 执行结果 + 留痕文件 | 高危动作已人工确认;失败项已列原因与回滚方式 |

> 按顺序推进;上一阶段闸门没过,不进入下一阶段。

## 输出四件套(每次运行必有,缺一不可)

| 文件 | 内容 |
|---|---|
| `clean_主表.csv` | 清洗后的标准表,附 `_来源文件` 与 `_原始行号` |
| `clean_异常表.csv` | 被排除的行,附异常原因、风险等级、原始行号 |
| `clean_校验表.csv` | 行数与金额守恒校验 + 人工复核声明 |
| `fin-log.jsonl` | 处理日志(追加),含输入文件指纹、规则版本、操作人 |

**金额守恒**:输入金额 = 主表金额 + 异常表金额。差异超过 0.01 元时**停止输出**并说明原因,绝不给出对不上账的结果。

### 先出方案 + 预览(默认,不写盘)

```bash
table_clean.py 报销明细.xlsx --date-cols 日期 --amount-cols 金额 \
  --map 部门映射.csv --map-cols 部门 --key 报销单号
```

真实输出:

```
方案:报销明细.xlsx | 工作表=Sheet1 | 数据行=7 | 列数=8
  日期列统一: ['日期']
  金额列转数值: ['金额']
  名称映射: ['部门'] → 4 条规则
  唯一键: 报销单号
清洗结果:7 行 → 主表 5 行 / 异常 2 行
--- 主表预览(前 20 行,未写盘)---
  BX001 | 2026-01-05 | 行政中心 | 张三 | 办公用品 | 1200.5 | FP001 | 已审批
  BX002 | 2026-01-08 | 销售中心 | 李四 | 差旅费 | 3680 | FP002 | 已审批
--- 异常预览(前 10 行)---
  行5    金额非数字
  行8    名称无法匹配映射表
[预览模式] 未写盘。确认无误后加 --execute 执行。
```

### 确认后写盘

```bash
table_clean.py 报销明细.xlsx --date-cols 日期 --amount-cols 金额 \
  --map 部门映射.csv --map-cols 部门 --key 报销单号 --execute --operator 张三
```

真实输出的校验表:

```
规则版本 | 1.0
主表行数 | 5
异常行数 | 2
输入行数 | 7
主表金额合计 | 15581.0
异常表金额合计 | 980.0
守恒差异(入-主-异) | 0.0
人工复核 | 本结果由本地工具生成,仅供财务复核使用;入账 / 付款 / 申报 / 税务口径 / 重大异常的最终结论必须由对应财务岗位人工确认。
```

### 抓疑似重复:多列组合键

单号相同只是最简单的重复。改个单号、发票号却一样,才是重复报销的常见形态:

```bash
table_clean.py 报销明细.xlsx --key 发票号,金额 --key-mode any
```

真实输出:`行6    唯一键重复(发票号+金额 与第2行相同)`

`--key-mode all`(默认)要求组合列全部相同才算重复;`any` 是任一列相同即标记疑似,用于风险筛查。

## 参数

| 参数 | 说明 |
|---|---|
| `--date-cols` | 日期列,统一为 `YYYY-MM-DD`(认得 `2026/1/5`、`20260108`、`2026-01-11`) |
| `--amount-cols` | 金额列,转数值(认得 `1,200.50`、`¥10000`、首尾空格) |
| `--map` / `--map-cols` | 名称映射表(两列:原名,标准名)+ 要映射的列。**必须限定列**,全表替换会误伤备注 |
| `--dict` | 字段字典 CSV:列名,类型,必填,标准名(可同时改列名为标准名) |
| `--key` / `--key-mode` | 唯一键,单列或多列组合;`all` / `any` |
| `--preview N` | 预览行数,默认 20(小样本试跑) |
| `--execute` | 真正写盘;不加则只预览 |
| `--operator` / `--rule-version` | 写进处理日志的操作人与规则版本 |

## 安全与边界(拒绝权)

- **源文件零改动**:输出一律进 `_out/`,绝不覆盖、绝不删除原文件
- **默认预览**:不加 `--execute` 一行都不写
- **日期不自动猜**:数字 `3680` 不会当成日期(Excel 序列号下它是 1910-01-27)。要不要按日期解析,由你指定列决定
- **金额识别不了就进异常表**:`abc` 不会被当成 0,也不会被猜成别的数
- **列名不存在直接拒绝**:不猜近似列名,会列出表里的真实列名
- **金额不守恒时停止输出**:这是硬约束,不是警告

## 人工复核(必读)

本包只做**格式标准化与异常挑出**,不判断业务。以下必须由财务确认:

- 被排除的异常行是不是真的该排除(尤其是"名称无法匹配"——可能只是映射表没维护全)
- 金额列口径是含税还是不含税
- 清洗后的结果能否作为入账、付款、申报的依据

## 相邻路线转交

| 用户要做的事 | 转交给 |
|---|---|
| 全表异常检查(负数、超阈值、状态矛盾) | `caiyouyun-fin-anomaly-scan` |
| 多张表合并成一个 | `caiyouyun-fin-table-merge` |
| 外发或试跑前要脱敏 | `caiyouyun-fin-data-mask` |

## 自检清单

- [ ] 预览模式确实没写盘
- [ ] `_out/` 里的文件没有覆盖源文件
- [ ] 校验表金额守恒差异为 0
- [ ] 异常表每一行都能定位到原始行号

---

本 Skill 采用 BUSL-1.1 许可(源码可见,可自由使用)。

版权所有 © 2026 律令科技(深圳)有限公司(@lexord-technology)。
本技能由律令科技(深圳)有限公司开发,**财友云(caiyouyun.cn)**发布与展示。

允许个人及企业内部免费使用、复制、修改,包括内部生产环境。
未经书面许可,不得将本 Skill 或其修改版作为商业服务对外销售、转售或提供托管服务。
各版本发布之日起 4 年后自动转为 Apache License 2.0。详见随包 `LICENSE.md`。

## 输出规范

- **交付形态**:执行结果 + 变更清单,说清动了什么、没动什么。
- **必含字段**:执行前状态 / 执行动作 / 执行后状态 / 失败项与原因 / 回滚方式。
- **留痕**:产生副作用的执行必须写留痕文件(manifest / log),可回溯。
- **自检**:失败项未列原因,或无可回滚路径,视为未完成。

## 免责声明

本技能输出的是**数据整理与流程辅助**,不构成投资建议、税务意见或审计结论。涉及具体决策,以持牌机构、执业税务师/会计师的正式意见为准;引用的税率、法规与官方数据以最新公示版本为准,如遇更新以官方口径为准。

---

版本:v0.1.3 · 出品:【财友云】

## 反例对照(避开这些写法)

| ❌ 反例 | ✅ 正例 | 判据 |
|---|---|---|
| 高危动作直接执行 | 先 dry-run 预览,人工确认后再落盘 | 这一步做错了能不能一键撤回 |
| 失败只说「失败了」 | 失败项 + 失败原因 + 已回滚到什么状态 | 用户能不能据此判断要不要重试 |
| 重复执行已做过的动作 | 先查留痕文件,已完成的跳过(幂等) | 重跑一次会不会产生重复副作用 |
| 执行完不说改了什么 | 给出变更清单:动了哪些、没动哪些 | 用户能否核对结果 |

<!-- WB-SELFCHECK v1 -->

## 交付前自检(必跑)

本包自带可执行自检脚本。**在交付 / 打包 / 发布之前,必须运行并通过**:

```bash
python scripts/selfcheck.py
```

退出码语义(与本节末尾「退出码(脚本契约)」一致):

| 码 | 含义 | 你要做的事 |
|---|---|---|
| 0 | 全部通过 | 可以交付 |
| 2 | 用法错误 | 检查运行路径,用包根目录下 `scripts/selfcheck.py` |
| 3 | **门禁未通过** | 按 FAIL 项逐条修好再交付,**不要带病交付** |
| 4 | 环境问题 | 检查 Python 版本(需 3.8+)与入口脚本是否可运行 |
| 8 | 部分通过 | 无 FAIL,但有 WARN;建议先修警告项再交付 |

自检覆盖:SKILL.md 与 frontmatter(`name`·`description`)/ 合规声明(frontmatter `license` **或** `ATTRIBUTION.md`,二者其一即可——第三方转化包常以后者记录归属)/ 必备章节 / 打包卫生(禁止 .pyc·__pycache__·.bak·.zip)/ 脚本可编译 / 入口脚本 `--help` 可运行。
<!-- /WB-SELFCHECK -->

## 退出码(脚本契约)

| 码 | 含义 | 你要对用户说的话 |
|---|---|---|
| 0 | 成功 | 直接给结果,不解释过程 |
| 2 | 输入错误(缺参数 / 格式不对 / 文件不存在) | 「你给的 <X> 不对,需要 <Y>」—— 说明正确格式,不要猜默认值硬跑 |
| 3 | 鉴权/授权失败(密钥缺失、无权限) | 「需要你先提供 <凭据>」—— 说明去哪里拿,不要跳过鉴权 |
| 4 | 服务/环境失败(网络不可用、依赖缺失) | 「这一步依赖 <X> 不可用」—— 给出替代路径或降级方案 |
| 8 | 部分成功(有成功项也有失败项) | 「N 项成功、M 项失败」—— 逐条列出失败项与原因,不要只报总数 |

脚本退出非 0 时:**不要静默重试**。先把该码对应的话告诉用户,再决定是补齐输入重试、还是换路径。

## 状态与断点

- 多阶段流程在执行目录写 `outputs/.state.json`,记录「当前阶段 + 已完成产物路径 + 时间」。
- **每个阶段结束后写一次**;中途中断后重启,先读该文件,从断点阶段继续,**不从头重跑**。
- 状态文件只记阶段与产物路径,不记对话内容、不记敏感数据。
- 发现状态文件与实际情况不符(产物已不存在)时,以实际产物为准并重置状态。
这个包已在 SkillHub 上线,可一键安装。
在 SkillHub 上查看完整说明、版本记录与安装方式,支持一键装到你的 AI 客户端。

常见问题

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。

fin table clean 这个技能,具体能帮我做什么?

【财友云】把系统导出的脏表变成标准表:日期统一、金额转数值、名称按映射表替换,空值/重复/无法匹配进异常表,输出四件套。适用于数据清洗、台账、Excel 清洗等场景,核心能力覆盖日期格式统一、金额转数字、部门名称统一、脏数据处理、异常行挑出。

常见的触发场景有:Excel 清洗、日期格式统一、金额转数字。

完整说明、版本记录和安装方式在 SkillHub 上的「fin table clean」页面 →。

跑完之后我会拿到什么东西?

输出会落在 _out/ 目录,主要包括:

1.clean_主表.csv清洗后的标准表,附 _来源文件 与 _原始行号
2.clean_异常表.csv被排除的行,附异常原因、风险等级、原始行号
3.clean_校验表.csv行数与金额守恒校验 + 人工复核声明
有没有算不了、它明确拒绝的情况?

有。下面几种情况它会明确拒绝,而不是硬给答案:

日期不自动猜:数字 3680 不会当成日期(Excel 序列号下它是 1910-01-27)。要不要按日期解析,由你指定列决定
金额识别不了就进异常表:abc 不会被当成 0,也不会被猜成别的数

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。

用之前我得注意什么?容易踩哪些坑?

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:

·多阶段流程在执行目录写 outputs/.state.json,记录「当前阶段 + 已完成产物路径 + 时间」。
·每个阶段结束后写一次;中途中断后重启,先读该文件,从断点阶段继续,不从头重跑。
·状态文件只记阶段与产物路径,不记对话内容、不记敏感数据。
跑完的数能不能直接用?我还要核什么?

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:

·被排除的异常行是不是真的该排除(尤其是"名称无法匹配"——可能只是映射表没维护全)
·金额列口径是含税还是不含税
·清洗后的结果能否作为入账、付款、申报的依据
数据会不会传出去?我自己怎么验证?

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。

要付费吗?要不要配 API Key?

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。

装上之后怎么用?

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「Excel 清洗、日期格式统一、金额转数字」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 fin table clean』或『处理一下这个』,结果会输出到当前目录的 _out/clean_主表.csv。

也可以从客户端的「已安装技能」列表里手动唤起。

什么环境能跑?需要装依赖吗?

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。

装在哪个客户端上?会不会弄坏我原来的文件?

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。

相邻技能

规划中 P2 数据

财务人理财科普

【财友云】面向财务人自身的理财科普:输入关注主题(个税汇算/专项扣除/社保公积金/个人养老金/家庭保障/稳健理财/防诈防坑),输出结构化科普卡(政策依据+核心要点+操作步骤+风险提示),严守不荐股/不承诺收益/不荐具体产品红线。

规划中 P2 数据

出口退税测算与勾稽核查

【财友云】把企业申报的出口明细逐条与官方出口退税率对账——按商品代码查官方退税率,核对申报退税率是否一致,并按「出口金额 × 官方退税率」勾稽申报退税额,差异超容差或代码查不到的一律进异常表并给差额与风险等级。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)。适用于出口退税申报前复核、退税数据自查、代账交接核对等场景。数据为离线快照、版本可查,运行时零联网。

规划中 P2 数据

表格→分析报告

【财友云】把表格变成带数字溯源的分析报告:每个数字可回溯到原表区域与聚合口径,提供溯源模板与回查清单。

规划中 P2 数据

从零构建工作簿

【财友云】从零构建可审计工作簿的强制规范:计算用活公式、假设集中引用、关键假设黄底、交付前 recalc 验证零错误。

规划中 P0 数据

多表批量合并

按标准字段模板合并多张 Excel/CSV,保留来源文件与来源部门列,业务唯一键查重,输出合并表/重复表/缺字段表

规划中 P2 数据

中小企业划型判定

【财友云】按《中小企业划型标准规定》逐户判定大型 / 中型 / 小型 / 微型,十六个行业门类的指标门槛内置,多指标行业按「且」关系判定,行业认不出或指标缺失一律进异常表不猜。适用于小微优惠前置判断、政府采购资格、专精特新申报等场景。

规划中 P2 数据

AI 可读性诊断

【财友云】诊断表格会不会被 AI 误读:合并单元格占比、多级表头、表头偏移、数字存文本、单位混用、日期不一,输出评分与修复项。

规划中 P2 数据

公式解释器

【财友云】把复杂 Excel 公式逐层翻译成人话,标风险点:绝对引用缺失、IF嵌套过深、整列引用、易失函数;本地零联网。

规划中 P0 数据

财务数据脱敏采样

从大表抽样 20-50 行并对姓名/税号/银行卡/手机号/金额做保形脱敏,供试跑与外发,原表零改动