Enterprise Report Merger — 企业报表合并技能

概述

将多个来源（Excel/PDF）的企业报表合并为统一结果，并将合并数据填入 Word 模板，生成成品文档。

核心能力（默认行为）：

• 读取 Excel（.xlsx/.xls）和 PDF 文件中的表格数据
• 三种合并模式：简单拼接 / 按关键字合并 / 合并报表+抵销分录
• 将合并结果写入格式化 Excel 文件
• 将合并数据填入 Word（.docx）模板，生成最终报告

按需能力（仅用户明确要求时触发）：

• 无模板时自动生成完整分析报告（如贷后分析报告），含数据表格+自动分析文字+财务比率+风险评估

优先级原则：技能的基础行为就是「合并报表 → 填入 Word 模板 → 生成成品文档」。自动生成报告等高级功能属于按需扩展，仅当用户明确提出"生成分析报告""生成贷后分析报告""没有模板，帮我生成一份报告"等需求时才启用，不得在用户只要求合并/填模板时主动建议或触发。

触发条件

核心触发（合并 + 填模板）：

• "合并报表""合并多个Excel""汇总报表""报表合并"
• "子公司报表合并""集团合并报表""合并财务报表"
• "把数据填到Word模板里""填充Word模板"
• "从PDF提取表格""PDF转Excel"
• "多部门数据汇总""汇总各部门数据"

按需触发（仅用户明确要求时）：

• "生成报告""自动生成分析报告""生成贷后分析报告""没有模板生成报告"

默认行为是合并+填模板。当用户只说"合并""填模板"时，直接执行合并和/或填充流程，不主动询问是否需要生成分析报告。只有当用户明确提出生成报告的需求，且未提供 Word 模板时，才进入"无模板自动生成报告"流程。

环境准备

Python 依赖

执行脚本前确保以下依赖已安装（在隔离 venv 中安装）：

# 使用 WorkBuddy 管理的 Python 环境
pip install openpyxl pdfplumber python-docx xlrd PyMuPDF

如果用户只使用 Excel 输入输出，只需 openpyxl。 如果输入包含旧版 .xls 文件，需要额外安装 xlrd。 如果需要 PDF 提取，需要 pdfplumber。 如果需要检测图片型 PDF，需要 PyMuPDF（即 fitz）。 如果需要 Word 模板填充，需要 python-docx。

图片型 PDF 不自动识别：视觉识别精度有限（数字误读率较高），检测到图片型 PDF 后告知用户谨慎检查或手动合并。如用户明确要求尝试自动识别，可参考 references/image_pdf_guide.md 中的流程，但务必逐项核对。

运行环境

Python: python3 (需 3.8+)
脚本路径: <skill_dir>/scripts/merge_reports.py

使用流程

第一步：分析用户需求

确定以下关键信息：

1. 输入文件：用户提供了哪些文件？格式是什么（Excel/PDF）？
2. 合并模式：用户需要哪种合并方式？（参考下方决策指南）
3. 输出格式：用户需要 Excel 结果还是 Word 报告？是否提供了 Word 模板？如提供了模板则直接填充；如未提供模板且用户只要求合并，则输出 Excel 合并结果，不主动建议生成分析报告。仅当用户明确要求"生成分析报告"时，才进入"无模板自动生成报告"流程。
4. 键值列：如果需要按关键字合并或编制合并报表，键值列是什么（如"科目代码""部门名称"）？
5. 抵销分录：如果是集团合并报表，是否有内部交易需要抵销？

第二步：选择合并模式

参考 references/merge_modes.md 中的决策指南：

各来源报表的列结构是否一致？
├─ 是 → 是否需要按行匹配（而非简单堆叠）？
│      ├─ 否 → concat（简单拼接）
│      └─ 是 → key（按关键字合并）
└─ 否 → 是否有共同的键值列？
       ├─ 是 → 是否需要处理内部交易抵销？
       │      ├─ 否 → key（按关键字合并）
       │      └─ 是 → consolidation（合并报表+抵销）
       └─ 否 → 需要人工预处理

第三步：执行合并

使用 scripts/merge_reports.py 执行合并操作。所有命令通过 Bash 工具运行。

模式一：简单拼接

<python_path> <skill_dir>/scripts/merge_reports.py merge \
  --input file1.xlsx file2.xlsx file3.xlsx \
  --mode concat \
  --output 合并结果.xlsx \
  [--source-labels "来源1" "来源2" "来源3"] \
  [--header-row 1] \
  [--sheet "工作表名"]

模式二：按关键字合并

<python_path> <skill_dir>/scripts/merge_reports.py merge \
  --input 子公司A.xlsx 子公司B.xlsx \
  --mode key \
  --key-column "科目代码" \
  --output 合并对照表.xlsx \
  [--source-labels "子公司A" "子公司B"]

模式三：合并报表 + 抵销分录

<python_path> <skill_dir>/scripts/merge_reports.py merge \
  --input 母公司.xlsx 子公司A.xlsx 子公司B.xlsx \
  --mode consolidation \
  --key-column "科目代码" \
  --elimination-entries 抵销分录.json \
  --output 合并报表.xlsx \
  [--source-labels "母公司" "子公司A" "子公司B"]

抵销分录 JSON 格式见 references/merge_modes.md。

PDF 表格提取

如果输入包含 PDF 文件，可以先单独提取检查：

<python_path> <skill_dir>/scripts/merge_reports.py extract-pdf \
  --input report.pdf \
  --output extracted.xlsx \
  [--pages "0-5"] \
  [--table-index 0]

PDF 提取的注意事项见 references/pdf_extraction.md。

图片型 PDF 处理（扫描件）

如果 PDF 是扫描件/图片型，pdfplumber 无法提取表格。视觉识别精度有限，可能存在数字误读（如 5↔6、8↔9、首位数字错位等），不建议自动填入。

处理策略：检测到图片型 PDF 后，告知用户该文件为图片型，提示谨慎检查或手动合并。

<python_path> <skill_dir>/scripts/pdf_to_images.py \
  --input report.pdf \
  --output-dir ./pdf_images \
  --detect-only

返回 JSON 中 type 字段：

• text：文本型，直接用 pdfplumber 提取
• image：图片型，提示用户谨慎检查或手动合并
• mixed：混合型，文本页用 pdfplumber，图片页提示用户

推荐方案：如果用户愿意截屏发送，精度远高于自动渲染识别。告知用户可将三表分别截屏发来，由 AI 直接识别截图数据，然后填入模板（详见 references/image_pdf_guide.md 中的"截图识别方案"）。

⚠️ 无论截图还是自动渲染，识别完成后必须执行多维度交叉验证：调用 validate_financial_data() 自动检查全部 10 项勾稽关系（表内 8 项 + 表间 2 项），任何一项不通过必须重读图片修正。详见 references/image_pdf_guide.md 中的"多维度交叉验证框架"。

如果用户仍希望尝试自动渲染识别，可参考 references/image_pdf_guide.md 中的备用流程，但务必逐项核对关键数字。

第四步：填充 Word 模板

如果用户提供了 Word 模板（.docx），使用以下方式填充：

方式一：合并时直接填充

<python_path> <skill_dir>/scripts/merge_reports.py merge \
  --input file1.xlsx file2.xlsx \
  --mode consolidation \
  --key-column "科目代码" \
  --output 合并报表.xlsx \
  --word-template 模板.docx \
  --word-output 最终报告.docx \
  --mapping 映射配置.json

方式二：单独填充（已有合并后的 Excel）

<python_path> <skill_dir>/scripts/merge_reports.py fill-template \
  --input 合并数据.xlsx \
  --template 模板.docx \
  --output 最终报告.docx \
  --mapping 映射配置.json

Word 模板填充策略

脚本支持两种填充策略（可同时使用）：

1. 占位符替换：将文档中的 {{占位符}} 替换为对应值。

模板中文本写法：

报告日期：{{报告日期}}
编制单位：{{编制单位}}

映射配置 JSON：

{
  "placeholders": {
    "报告日期": "2024年12月31日",
    "编制单位": "XX集团有限公司"
  }
}

如果不提供映射配置，脚本会自动用合并数据第一行的值填充同名占位符。

2. 表格填充：将合并数据填入 Word 文档中的表格。

映射配置 JSON：

{
  "table_mapping": {
    "target_table_index": 0,
    "column_map": {
      "模板表格列名": "数据列名"
    },
    "key_column": "科目代码"
  }
}

• target_table_index：Word 文档中第几个表格（从 0 开始）
• column_map：模板表格表头与数据列名的映射（不指定则按位置匹配）
• key_column：如果指定，会按此列的值匹配模板中已有的行（更新而非追加）

第五步：检查并交付结果

1. 读取输出 Excel 文件，检查合并结果是否正确
2. 如果填充了 Word 模板，读取输出 Word 文件检查格式
3. 将最终文件交付给用户

无模板自动生成报告（按需功能，仅用户明确要求时启用）

此功能为按需扩展，不是默认行为。只有当用户明确提出"生成分析报告""生成贷后分析报告""没有模板帮我生成一份报告"等需求时才启用。用户只要求合并报表或填模板时，不主动进入此流程。

当用户提供了财务报表但没有 Word 模板，且明确要求生成分析报告时，可使用 scripts/generate_report.py 自动生成一份完整的分析报告（如贷后分析报告）。

使用场景（仅以下情况触发，不主动建议）

• 用户明确说"帮我生成一份贷后分析报告""没有模板，直接生成""生成分析报告"
• 用户提供 Excel/PDF 报表并明确要求生成分析报告，但未提供 Word 模板

工作流程

1. 从源文件（Excel/PDF）提取财务数据，整理为三个字典：bs_data（资产负债表）、is_data（利润表）、cf_data（现金流量表）
2. 询问用户：企业名称、报告期间（如"2025年12月"）、贷款信息（可选）
3. 将数据写入 JSON 文件（或直接在 Python 脚本中调用）
4. 运行 generate_report.py 生成 Word 文档

CLI 用法

<python_path> <skill_dir>/scripts/generate_report.py \
  --company "XX公司" \
  --period "2025年12月" \
  --bs-data bs.json \
  --is-data is.json \
  [--cf-data cf.json] \
  --output 贷后分析报告.docx \
  [--prev-bs-data prev_bs.json] \
  [--prev-is-data prev_is.json] \
  [--prev-cf-data prev_cf.json] \
  [--loan-amount 50000000] \
  [--loan-type "流动资金贷款"] \
  [--guarantor "保证担保"] \
  [--report-type "贷后分析报告"] \
  [--establish-date "2005年"] \
  [--registered-capital "6000"] \
  [--main-business "包装材料生产"] \
  [--industry "制造业"] \
  [--loan-period "2024.01-2027.01"] \
  [--collateral "厂房及设备"]

模块调用用法

from generate_report import generate_report

generate_report(
    company="XX公司",
    period="2025年12月",
    bs_data={"货币资金": "35677380.72", "资产总计": "623198671.81", ...},
    is_data={"营业收入": "645841626.73", "净利润": "42820418.29", ...},
    cf_data={"经营活动产生的现金流量净额": "35000000.00", ...},
    output_path="贷后分析报告.docx",
    loan_amount=50000000,
    loan_type="流动资金贷款",
)

JSON 数据格式

每个 JSON 文件是一个字典，key 为科目名称（中文），value 为金额字符串（元为单位）：

{
  "货币资金": "35677380.72",
  "应收账款": "219143915.18",
  "资产总计": "623198671.81",
  "负债合计": "237117278.05",
  "所有者权益合计": "386081393.76"
}

生成的报告结构

标准贷后分析报告模板（详见 references/standard_report_template.md）：

企业信息参数（均可选，未提供则省略对应内容）： --establish-date、--registered-capital、--main-business、--industry、--loan-period、--collateral

自动分析文字示例

脚本会根据实际数据自动生成分析文字，例如：

截至2025年12月末，公司资产总额为80,000万元，其中流动资产56,000万元，占资产总额的70.00%；非流动资产24,000万元，占资产总额的30.00%。流动资产中，货币资金6,000万元，应收账款30,000万元，存货20,000万元，是流动资产的主要构成部分。

如提供上期数据，还会自动生成同比变动分析：

与上期末相比，资产总额增加了1,234万元，增幅2.0%。

标蓝规则

所有自动生成的文字和表格数据均标为蓝色（RGBColor(0, 0, 255)），与"填模板"模式保持一致，便于审阅时识别。使用 --no-blue 参数可关闭标蓝。

v2 增强功能（实测改进）

以下功能已在实际贷后分析报告填充中验证通过，处理 PDF 集团报表 → Word 模板的场景。

1. 四舍五入精确到万元

使用 to_wan_rounded() 将元转换为万元并四舍五入到整数：

from merge_reports import to_wan_rounded
# 837,023,674.68 元 → "83,702" 万元
# -307,361.88 元 → "-31" 万元
# 884.77 元 → "0" 万元

适用场景：PDF 报表以"元"为单位，Word 模板以"万元"为单位时自动转换。

2. 科目名模糊匹配

使用 find_account_match() 自动匹配不同来源的科目名称：

from merge_reports import find_account_match
# "固定资产净额" → 匹配 PDF 中的 "固定资产" [alias]
# "营业税金及附加" → 匹配 PDF 中的 "税金及附加" [alias]
# "所有者权益合计" → 匹配 PDF 中的 "股东权益合计" [alias]
# "实收资本（股本）" → 匹配 PDF 中的 "股本" [alias]

匹配策略（按优先级）：

1. 精确匹配：名称完全一致
2. 别名匹配：通过内置别名表（ACCOUNT_ALIASES）查找已知同义科目
3. 归一化匹配：去除"其中：""合计""小计""净额"等后缀后比较
4. 子串匹配：名称包含关系（仅≥3字符）
5. 相似度匹配：difflib 相似度 ≥ 0.7

冲突检测：自动拒绝"应收"↔"应付"、"资产"↔"负债"等方向相反的误匹配。

3. 财务分析文字更新

使用 set_paragraph_blue() 更新 Word 文档中的财务分析段落：

from merge_reports import set_paragraph_blue
# 将 "截至2026年2月末，总资产80,499万元..."
# 更新为 "截至2026年6月末，总资产83,702万元..."
# 更新后的文字自动标蓝

4. 财务比率计算（4 类 18 项，v1.1）

使用 calculate_financial_ratios(bs_data, is_data, cf_data=None, prev_bs_data=None, prev_is_data=None, prev_cf_data=None) 自动计算。签名支持现金流量表与上期数据（上期用于平均余额与增长率）。返回固定 18 个 key 的字典，数据缺失时对应项为 -（表格保留指标行）。

1. 偿债能力（7 项）

2. 营运效率（3 项，平均余额口径，需上期数据）

3. 盈利能力（5 项）

4. 发展能力（3 项，需上期数据）

• 平均余额 = (期初 + 期末) / 2，期初即上期期末；上期数据缺失时对应指标为 -
• 增长率分母取绝对值，上期缺失或为 0 时显示 -
• 报告展示：按 4 类分 5 个表格（偿债能力拆短期/长期），每表列 [指标, 本期值, 上期值, 参考值, 评估]；周转率/增长率行业差异大，参考值与评估列显示 -

⚠️ 重要规则：若 Word 模板中没有自带的财务比率板块/表格，在添加财务比率内容前必须先询问用户是否需要添加，不得自动添加。只有在模板已有对应板块时才直接填充。

5. 标蓝标记

使用 set_cell_blue() 和 set_paragraph_blue() 将所有填写或改动的文字标为蓝色（RGBColor(0, 0, 255)），便于审阅时快速识别新增内容。

PDF 双栏资产负债表提取

PDF 资产负债表通常为双栏布局（左资产右负债），表格结构为 8 列： [资产项目, 行次, 期末数, 年初数, 负债项目, 行次, 期末数, 年初数]

提取时需使用正确的列索引：

• 资产类：col 0 = 名称, col 2 = 期末数
• 负债/权益类：col 4 = 名称, col 6 = 期末数

利润表通常为 4 列：[项目, 行次, 本月数, 本年累计数]

• col 0 = 名称, col 3 = 本年累计数

使用 clean_item_name() 清理 PDF 提取的科目名称（去除"一、""减：""加："等前缀）。

关键注意事项

1. PDF 提取不保证 100% 准确：文本型 PDF 用 pdfplumber 提取效果较好；图片型/扫描件 PDF 视觉识别精度有限，检测到图片型 PDF 后应提示用户谨慎检查或手动合并。详见 references/pdf_extraction.md 和 references/image_pdf_guide.md。

2. 抵销分录方向：借方减少资产/费用类科目金额，贷方增加。这与会计准则一致，但在配置时需仔细确认方向。

3. 模糊匹配：键值列名支持模糊匹配。指定 --key-column "科目" 可匹配到"科目代码""科目名称"等列。抵销分录中的"科目"字段也支持模糊匹配。

4. Word 模板占位符：占位符格式为 {{字段名}}，字段名只能包含字母、数字和下划线。中文占位符需要在映射配置中显式指定。

5. 数据类型处理：脚本自动识别数值列进行加总。包含逗号的数字（如 1,234,567）会自动清洗。非数值列（如科目名称、备注）不做加总，取第一个非空值。

6. 大文件处理：如果输入文件很大（超过 10MB），建议先拆分或筛选数据，避免内存不足。

7. PDF 双栏布局：资产负债表 PDF 通常为左右双栏（资产|负债），提取时需注意列索引。资产期末数在 col 2，负债期末数在 col 6。详见上方"PDF 双栏资产负债表提取"。

8. 科目名差异：不同来源的报表科目名可能不一致（如"固定资产"vs"固定资产净额"、"税金及附加"vs"营业税金及附加"）。使用 find_account_match() 自动匹配，避免手工映射。

9. 单位转换（以模板为准）：源数据单位向 Word 模板对齐，而非反过来。填充前先读模板判断单位（看表头"单位：万元/元/亿元"标注，或看已有数据列的量级推断），然后按模板单位转换源数据：

   • 模板用元 → 源数据（通常也是元）直接填入，不转换
   • 模板用万元 → 用 to_wan_rounded() 将元转为万元并四舍五入到整数
   • 模板用亿元 → 除以 1 亿，保留两位小数
   • 模板用千元 → 除以 1000
   • 填入后抽查关键科目（如资产总计、净利润），确认量级与模板已有列一致，防止单位搞反。

10. 标蓝审阅：填充 Word 模板时，建议使用 set_cell_blue() 和 set_paragraph_blue() 将所有新增/修改内容标蓝，便于审阅。

11. .xls 格式支持：旧版 .xls 文件（非 .xlsx）需要 xlrd 库。read_excel() 会自动检测文件后缀并选择对应库。安装：pip install xlrd。

12. 中文全角引号：Excel/PDF 中的科目名可能含中文全角引号（如 所有者权益（或股东权益）合计），与代码中的直引号不匹配。使用 find_in_data() 代替直接 .get()，内部调用 normalize_quotes() 自动转换。

13. 子串匹配误匹配：查找"负债合计"时，直接子串匹配会命中"流动负债合计"。find_in_data() 使用四级查找（精确→归一化→排除前缀修饰词→兜底），避免此类问题。前缀修饰词包括：流动、非流动、其他、一年内到期。

14. 财务比率规则：若 Word 模板中没有自带的财务比率板块/表格，在添加财务比率内容前必须先询问用户是否需要添加，不得自动添加。只有在模板已有对应板块时才直接填充。

15. 图片型 PDF 必须多维度验证：截图或渲染识别后，必须调用 validate_financial_data() 进行 10 项勾稽关系验证（表内 8 项 + 表间 2 项）。任何合计项偏差 > 0 必须重读图片修正，不得直接填入模板。

脚本文件说明