财务审凭证，是个月月都逃不掉的细活。我们部门二十来人，每月经手凭证上千张，逐张看摘要对不对、科目用没用错、金额合不合规、附件齐不齐。审得慢，月底堆成山；审得快，漏一张错的月底就得多半天排查。今年我们把凭证审核改成了机器初审、人工终审的两道关模式：规则引擎过一遍，模型再过一遍，人只看机器筛出来的存疑件。

跑了小半年，效果说三个数：机器初审覆盖率百分之百，人工终审工作量降到原来的两成，错弊检出率是人工全审时代的两倍半。最后那个数最反直觉也最提气——机器加人一起，比纯人眼审得又快又准。这篇讲讲两道关是怎么设计的，中间的坑在哪。

一、为什么一道关不够

1.1 纯规则的天花板

规则审核是财务自动化的老朋友：金额超五千必须附合同、招待费必须事前审批、差旅住宿按城市档位限额——这些白纸黑字的制度，写成一串条件判断，机器执行又快又稳，永不疲倦。我们规则引擎先跑起来，覆盖了全部凭证的三类硬性检查：合规性（制度红线）、勾稽性（金额计算关系）、完整性（附件和要素齐全）。上线头一个月就发现：它能逮住的错误占历史错弊的七成。

但天花板也很快摸到：剩下三成，规则够不着。摘要写购买办公用品，附件是一张餐饮发票——写和贴对不上，规则看不出（它不读附件内容，只看有没有附件）。科目挂在差旅费下的招待宴请——差旅科目本身合规，只有理解了业务实质才觉得别扭。同一供应商当月开票异常密集——单张都合规，放在一起才有问题。这些需要理解和联想的判断，是规则的盲区。

1.2 纯模型的坑

于是我们试着全上模型：让大模型读凭证全要素做综合判断。坑立刻出现：模型会联想过度。一张正常的培训费发票，它联想出该培训是否有预算、讲师是否有资质、课程是否与岗位相关——联想都对，但全都超出了凭证审核的范围，按它的提示单核实，审核量不降反增。更麻烦的是尺度漂移：同样的凭证这周说过关下周说存疑，问它为什么，它给的理由都挺有道理。财务审核要的是尺度如一，模型天生爱思考，这两个脾气合不来。

1.3 两道关的分工

所以最终定型是分工而不是替代：规则管死规矩——写进制度的、有明确数字线的、不需要理解业务背景的，规则说了算，机器判定具有终审效力；模型管活线索——需要读内容的、需要跨凭证联想的、给人提供线索的，模型只出提示不出结论，存疑的流转人工。一句话：规则是法官，模型是侦探，人工是陪审团。各安其位，谁都别抢别人的戏。

二、规则关：怎么把制度写成代码

2.1 规则的分层

我们的规则库分三层，全部从制度文件翻译而来：红线层（违反即退回）：无审批的采购、超限额的招待、假发票号码特征；校验层（不符即标记）：金额与合同不一致、税率与业务类型不匹配、附件张数与制度要求不符；提示层（仅提示不拦）：摘要过于简单、临近科目边界、该供应商本月开票频繁。三层的设计思想是力度递减——红线直接拦，校验标记后人工确认，提示仅作为模型关的输入参考。

RULES = [
    {"id": "R001", "level": "block",
     "cond": "expense.type=='招待' and approval.prior is None",
     "msg": "招待费无事前审批单，退回"},
    {"id": "R002", "level": "block",
     "cond": "invoice.tax_code_invalid or invoice.duplicate_no",
     "msg": "发票税号异常或号码重复，退回"},
    {"id": "R014", "level": "flag",
     "cond": "abs(invoice.amount - contract.amount) > 100",
     "msg": "发票金额与合同差额超百元，请核实"},
    {"id": "R021", "level": "hint",
     "cond": "vendor.monthly_invoice_count > 20",
     "msg": "该供应商本月开票异常频繁"},
]

def rule_check(voucher):
    hits = []
    for r in RULES:
        if eval_rule(r["cond"], voucher):
            hits.append(r)
    blocks = [h for h in hits if h["level"] == "block"]
    return {"pass": not blocks, "hits": hits}

2.2 制度翻译的坑

把制度写成规则，最大的坑不是技术，是制度本身含糊。写规则时才发现，有些制度条款是原则式表述：合理、适度、必要——这些词没法进规则。我们的处理：每碰到一处含糊，记录下来，季度汇总推给管理层把制度条款数字化（多少算合理？给出数）。一年下来推了十来条，制度越写越像参数表。这个副产品很值钱：制度的可执行化，本身就是管理水平的提升——写不出数字的制度，多半从来没被执行过。

三、模型关：给侦探立规矩

3.1 模型审什么

过了规则关的凭证，进入模型关。模型拿到的是凭证全要素：摘要、科目、金额、发票 OCR 内容、关联审批信息、供应商历史行为摘要。它的任务清单：摘要与附件内容一致性（写的是办公用品，附件读出来是不是办公用品）；业务实质与科目的匹配度（餐饮发票挂差旅科，实质对不对）；跨凭证的异常联想（同人多报、拆分报销、供应商集中度）。

3.2 输出必须是结构化的

前面说了模型爱自由发挥，治它的办法是输出格式锁死：

MODEL_PROMPT = """你是财务凭证审核助手。根据以下凭证信息给出判断。
只输出 JSON，字段如下：
{"risk": "高/中/低",
 "risk_points": ["具体风险点，逐条列出"],
 "suggest_action": "建议人工重点核实的内容",
 "confidence": 0-1}
判断标准：
- 摘要与附件矛盾 → risk=高
- 科目与业务实质疑似不符 → risk=中
- 供应商或报销人行为异常 → risk=中
- 无明确异常 → risk=低
不确定时如实降低 confidence，禁止编造附件中不存在的内容。"""

risk 为低的直接通过（机器放行），中和高的进人工终审队列，按风险值排序——人先看最可疑的。模型只有建议权没有处置权：它说高，人核实后该过还是过；它说低，抽检发现错了，下月调它的判断标准。权力永远在人这一层。

3.3 抽检：给侦探也装个探头

机器放行的凭证不是免检金牌：每月按比例随机抽检一批 risk=低的，人工复核实情。这个抽检是体系的保险丝——上个月抽检逮住一例：摘要、科目、金额全部合规，附件发票也真，但抽检的同事认出那家供应商是上季度已预警的高风险供应商（模型没拿到黑名单的最新版本）。这事之后我们给模型关加了黑名单实时同步。抽检的意义就在这：你不检查机器，机器的错就会以你不检查的方式积累。

四、半年账目：值不值

投入端：规则库建设两个月（含制度翻译梳理），模型关调优一个月，日常维护每周两小时。产出端：人工审核工作量降八成，月底审核不再加班；错弊检出率翻倍半——上半年逮住的问题：重复报销三例、摘要附件不符七例、科目挪用四例、拆分报销两例，其中拆分报销那两例是纯人工时代从没逮住过的类型（跨三个月把一笔超限支出拆成三笔），模型靠跨凭证联想抓的。

还有一笔隐性收益：审核标准终于统一了。以前三个审核员对同一张灰色凭证能给出三个结论，部门内部吵、业务部门也抱怨尺度不一。现在规则和模型的尺度是明文写死的，人工终审只处理规则和模型都说不清的硬骨头，附上判断理由存档。尺度统一之后，业务部门反馈报销被退回时终于有据可查，扯皮少了一大半。

常见问题

问：模型误报太多，人工看不过来怎么办？

答：调两个参数：风险阈值的分层线（我们的中和高分占三成左右，人工看得过来；早期调得严，半数都存疑，等于把全审的活换了个地方干）和提示词里的判断标准（标准越具体，模型越少自由发挥）。另一个减负技巧：让模型输出风险点时必须引用凭证原文——引用不出来的风险点删掉。误报是模型关里最费钱的成本，这两个月我们基本把误报率压到了可忽略的水平，靠的就是把判断标准一条条写实。

问：业务部门会不会觉得被机器盯上，抵触？

答：我们的经验：公开规则，一切审核依据对业务可见。规则库发布在内部网，模型提示的处置都引用具体标准。抵触的根源不是严格而是黑箱——人怕的是说不清为什么被退。规则透明后，业务部门反而拿规则库当报销指南用，退单率都降了：按规矩填，一次过。机器审核最好的状态，是让守规矩的人感觉不到它存在。

问：中小公司凭证量不大，值得上这套吗？

答：量小的话降配：规则关用表格软件的条件格式加数据验证就能做雏形，覆盖最常见的红线和勾稽；模型关用通用助手人工问答实现——存疑凭证整批丢给它，按固定问题清单（摘要附件一致吗、科目合理吗）让它过一遍。核心思路不变：死规矩自动化、活线索给模型、最终判断留给人。工具可以土，结构不能省。

问：审核全自动的那天，财务审核岗还有意义吗？

答：这个我认真想过。真到那天，审核岗的残余价值有两块永远在：一是判断标准的设计权——规则库和模型标准怎么定，这是专业判断，机器替代不了；二是疑难件的裁决——灰色地带的定夺，责任必须有人背。所以审核岗不是消失，是从流水线工人变成质检工程师：定标准、管机器、裁疑难。这个转变早开始早主动，我们的审核同事现在已经把规则库当成自己的作品了——这种心态的人，不怕任何自动化。