数据准备 · 来源归一

考勤来源归一

attendance-source-normalizer

🧲

数据准备 skills/attendance/

把散落在源目录、.msg 附件、邮件正文、视觉记录里的考勤资料整理成统一审核入口。负责「资料是什么、属于谁、是什么证据类型」。主要服务 B 型 / 邮件凭证型客户。

◧

FLOW TYPES

适用客户

珠海基石

钉钉汇总表 + 大量 .msg 补卡/加班/出差/年假凭证

奥托立夫

钉钉考勤报表 + 补卡/加班/出差/请假/外出子表

复宏汉霖·英伟达

公司名 + 员工名 + 考勤/审批 .msg，夹杂图片/PDF/Excel

⚡

TRIGGERS

触发场景

▸大量 .msg 补卡/加班/出差凭证要归集

▸多来源混杂，要先认清「谁的、什么证据」

▸B 型客户交付前要一份可审计的来源清单

↹

INPUT & OUTPUT

输入 / 产出

↘ INPUT · 输入

data/raw/<目录名>
attachments/（已抽附件）
reference_roster.xlsx
_email_texts.jsonl · vision_extracted_records.jsonl

↗ OUTPUT · 产出

normalized_sources.xlsx：来源归一 · 归属覆盖 · 待追问

🪜

STEPS

处理流程

1
汇集所有来源
msg、Excel、PDF、图片全部进「来源归一」，不漏原始邮件。
2
归属员工
从 roster、邮件主题、文件名、视觉记录多路匹配；匹配不到进「待追问」。
3
分证据类型
至少区分补卡、加班、出差/公出、外出、请假/休假、考勤汇总、审批。
4
算归属覆盖
每个员工已归属来源数和证据类型，缺口一目了然。

⇄

PIPELINE

与其他 skill 衔接

←

先跑 data-prep 抽附件、预渲染 PDF。

→

来源清单交给 exception-review 判异常、remarks 算备注。

✓

ACCEPTANCE

闭环验收

✓所有 .msg、Excel、PDF、图片来源均进入「来源归一」。
✓员工名能从 roster / 主题 / 文件名 / 视觉记录匹配，匹配不到进待追问。
✓证据类型至少区分 7 类。
✓交付给 HR 引用 xlsx，不只给 JSON / JSONL。

⊘

ANTI-PATTERNS

反例检查

✗

.msg 已抽附件，但原始邮件没进来源清单。

✗

只按文件名归属，忽略 roster、邮件主题或视觉记录。

✗

把客户名、公司名、部门名当成员工名。

✗

图片/PDF 仍待识别，却被标成已解析考勤结论。

⌘

RUN

运行命令

RUN · 运行命令

uv run python skills/attendance/attendance-source-normalizer/scripts/normalize_attendance_sources.py \
  data/raw/<目录名> outputs/<目录名>/normalized_sources.xlsx \
  --attachments-dir outputs/<目录名>/attachments \
  --reference-roster outputs/<目录名>/reference_roster.xlsx \
  --email-texts outputs/<目录名>/_email_texts.jsonl \
  --vision-records outputs/<目录名>/vision_extracted_records.jsonl