银行流水自动对账
四步对账流程，目标 90%+ 自动匹配率，财务只需处理少数异常项。
触发条件
当用户提到对账相关需求时使用此技能：
- "帮我对一下银行流水"
- "导入这个月的银行流水对账"
- "银行流水和账面记录对一下"
- 提供银行流水文件 + 账面记录文件
工作流程
1. 确认文件
向用户确认两个文件：
- 银行流水文件：从网银导出的 Excel/CSV（含交易日期、借贷金额、摘要等）
- 账面记录文件：ERP/财务系统导出的 Excel/CSV（含日期、凭证号、借贷金额、摘要等）
如果用户只有银行流水而没有账面记录，询问是否有标准格式的账目数据。
2. 运行对账引擎
执行 scripts/reconcile.py：
python scripts/reconcile.py \
--bank <银行流水文件路径> \
--books <账面记录文件路径> \
--output reconciliation_result.json \
--report reconciliation_report.html
可选参数（根据数据质量调整）：
| 参数 | 默认 | 说明 |
|---|---|---|
--date-tolerance |
1 | 精确匹配日期容差天数 |
--amount-tolerance |
0.01 | 精确匹配金额容差（元） |
--fuzzy-date-tolerance |
3 | 模糊匹配日期容差天数 |
--fuzzy-amount-pct |
0.05 | 模糊匹配金额百分比容差 |
--json-only |
- | 仅输出JSON，不生成HTML报告 |
依赖：需要 pandas, openpyxl, rapidfuzz。安装命令：
pip install pandas openpyxl rapidfuzz -i https://pypi.tuna.tsinghua.edu.cn/simple/
3. 展示结果
引擎完成后，使用 present_files 展示 HTML 报告给用户。报告中包含：
- 对账概览仪表盘：总记录数、匹配数、待确认数、自动匹配率（环形图）
- 匹配明细表：逐笔展示匹配对，标注匹配类型（精确/模糊/关联）和得分
- 待确认列表：分 Tab 展示银行流水和账面记录中未能自动匹配的条目
- 导出功能：支持导出待确认列表为 JSON
4. 解释结果
向用户解读报告关键指标：
- 匹配率 ≥ 90%：优秀，系统自动处理了绝大部分
- 匹配率 70-90%：良好，建议检查数据格式或调整容差
- 匹配率 < 70%：需排查，可能日期格式不一致或借/贷方列映射有问题
对"待确认"项给出处理建议：建议人工核对金额相近的或日期临近的未匹配项。
核心技术细节
列名自动识别
引擎内置 30+ 中文/英文列名别名，自动适配工商银行、建设银行、农业银行等主流格式。详细映射见 references/matching_rules.md。
借/贷方方向处理
银行流水和会计账面记录的借/贷方含义相反（银行视角 vs 企业视角），引擎自动处理此差异：
- 银行：贷方=收入(+)，借方=支出(-)
- 账面（资产类）：借方=收入(+)，贷方=支出(-)
三层匹配策略
- 精确匹配（金额+日期容差内）→ 自动核销
- 模糊匹配（金额百分比容差 + 日期放宽 + 摘要相似度）→ 自动核销
- 关联匹配（同户名批量匹配）→ 自动核销
- 人工复核 → 标为待确认
典型使用示例
场景一：月度银行对账
用户："帮我对一下这个月的银行流水，银行流水是 6月流水.xlsx，账面是 6月账目.csv"
执行：
python scripts/reconcile.py --bank "6月流水.xlsx" --books "6月账目.csv" --output result.json --report report.html
场景二：调大容差
用户："有些金额差了几毛钱没匹配上，帮我把金额容差调大一点"
执行：
python scripts/reconcile.py --bank "流水.xlsx" --books "账目.csv" --amount-tolerance 0.5 --fuzzy-amount-pct 0.1
场景三：仅需结果数据
用户："帮我对账，只要结果数据就行，不用报告"
执行：
python scripts/reconcile.py --bank "流水.xlsx" --books "账目.csv" --json-only
然后向用户展示 JSON 中的 summary 和 unmatched 数据。