jangbu-tag

Solid

표준 거래내역에 계정과목을 매핑하는 스킬. 룰 기반 분류 우선(80%+), 실패 건만 LLM fallback(마스킹 뷰), 사용자 확인 루프. 한국 거래처 100개 시드 룰 포함, 내부 계정 ↔ 국세청 표준계정 이중 구조.

AI & Automation 83 stars 17 forks Updated 1 weeks ago Apache-2.0

Install

View on GitHub

Quality Score: 83/100

Stars 20%
64
Recency 20%
90
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# jangbu-tag 거래내역 → 계정과목 매핑 스킬. ## 분류 전략 1. **룰 기반 (LLM 미경유)** — `classify_with_rules` 호출로 일괄 처리 2. **LLM fallback** — 룰 실패 건에 한해 마스킹된 뷰만 LLM에 전달 3. **사용자 확인** — 낮은 confidence 건은 사용자 검증 후 `apply_classification(source="user")` ## 계정 구조 (이중) - **내부 계정**: 유연. 예) `광고선전비_구글`, `광고선전비_메타`, `SaaS_노션` - **국세청 계정**: 고정. `accounts/nts_standard.json` 매핑 테이블 경유 - 세무 리포트 생성 시 내부 → 국세청 자동 변환 ## 인터뷰 플로우 ### Step 1. 대상 기간 확인 ``` 분류할 거래 기간을 선택하세요. [1] 이번 달 [2] 전월 [3] 올해 전체 [4] 특정 기간 입력 미분류 거래만 처리합니다. ``` ### Step 2. 룰 기반 일괄 분류 ```python classify_with_rules(start_date="2026-04-01", end_date="2026-04-30") ``` 결과 예시: ``` 룰 분류 완료: 87건 분류 실패(LLM fallback 필요): 13건 ``` ### Step 3. LLM fallback (분류 실패 건) **핵심**: `list_transactions(unclassified_only=True)` 응답은 **이미 마스킹된 뷰**. #### LLM 분류 프롬프트 템플릿 ``` 다음 거래를 한국 일반기업회계기준 계정과목으로 분류하세요. 거래처명·적요에 토큰(TK_*)이 있으면 그대로 두고 문맥으로만 판단. 거래 목록: { "tx_abc": {"date": "2025-09-07", "amount": 142025, "direction": "outflow", "counterparty": "CLAUDE.AI SUBSCRIPTION", "description": "..."}, "tx_def": {...} } 사용 가능 계정과목 (이 목록 외 사용 금지): - 복리후생비: 직원 복리·회식·식대·간식·건강검진 - 여비교통비: 택시·KTX·주유·출장 - 접대비: 고객 접대 (5만원 이상 식사가 유력 신호) - 통신비: 휴대폰·인터넷·유선전화 - 수도광열비/전력비: 수도·전기·가스 - 임차료: 월세·사무실 임대 - 지급수수료: SaaS 구독·은행 수수료·법무·회계·세무 용역비 - 광고선전비: 페이스북·구글·네이버 광고 - 도서인쇄비: 책·출판물·인쇄 - 소모품비: 사무용품·다이소·IKEA - 세금과공과: 4대보험·세금·지방세 - 수선비·보험료·차량유지비·운반비·��육훈련비·회의비 - 급여·상여금·퇴직급여·잡급 - 매출액/이자수익 (inflow일 때) 각 거래에 대해 JSON으로 반환: { "tx_abc": {"internal_account": "지급수수료", "confidence"...

Details

Author
kimlawtech
Repository
kimlawtech/korean-jangbu-for
Created
4 months ago
Last Updated
1 weeks ago
Language
Python
License
Apache-2.0

Similar Skills

Semantically similar based on skill content — not just same category