mcpField
S
sap-rpt1

sap-rpt1

github.com/secondsky数据与数据库480525 次安装3 周前更新
代码仓库

关于 sap-rpt1

用于基于 FI/CO CSV 数据开展 SAP-RPT-1-OSS 本地原型与研究实验的技能。内容涵盖数据准备、泄漏检查、治理和按需推理,不适用于生产财务决策或托管 API 集成。

主要功能

  1. 01检查 CSV 架构与目标列
  2. 02检查基于时间的目标泄漏风险
  3. 03准备 FI/CO 预测实验
  4. 04审查治理与数据脱敏
  5. 05规划 SAP-RPT-1-OSS 本地设置

适用场景

  1. 01探索 FI-AR 数据中的逾期付款风险
  2. 02筛选需复核的会计分录
  3. 03评估付款时机或折扣损失
  4. 04建模前检查 FI/CO 数据集

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/secondsky/sap-skills --skill sap-rpt1

安装后在 Claude Code 中输入/sap-rpt1确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

README.md
agents/
openai.yaml
assets/
fico_ap_discount_leakage_sample.csv
fico_ar_payment_default_sample.csv
fico_gl_journal_anomaly_sample.csv
references/
data-governance.md
enterprise-portability.md
fico-use-cases.md
source-review-2026-06-18.md
scripts/
fico_data_prep.py
rpt1_oss_predict.py

详细介绍

SAP-RPT-1-OSS FI/CO 预测技能

使用 SAP-RPT-1-OSS 对 FI/CO CSV 数据提取文件进行本地、经源代码审查的表格预测实验。此技能仅适用于原型和研究工作流;不得将预测作为生产财务、信用、审计、支付或合规决策的依据。

何时使用此技能

在为本地 SAP-RPT-1-OSS 实验准备或审查 SAP 财务表格数据时使用此技能,尤其适用于:

  • FI-AR 付款违约或逾期付款风险分类/回归。
  • FI-AP 现金折扣流失或付款时点风险预测。
  • FI-GL 日记账异常或异常过账审查优先级排序。
  • FI/CO CSV 数据集的时间安全特征准备、目标泄漏检查和治理审查。
  • 本地 SAP-RPT-1-OSS 设置规划;执行前需要说明 Hugging Face 访问权限、Python 3.11 和 GPU 限制。

请勿将此技能用作托管 SAP-RPT API 集成指南、生产评分服务、SAP AI Core 部署指南或实时 SAP 数据提取工作流。

快速入门

  1. 确认任务是使用合成或经批准的脱敏 FI/CO CSV 数据进行本地原型开发。
  2. 在处理真实财务数据前,阅读 references/data-governance.md。
  3. 选择一个预测时点和一个目标列。明确该时点已知的信息。
  4. 从获批的 Python 3.11 环境中选择 Python 可执行文件。在 Windows 上可以是 py -3.11 或 .venv\Scripts\python.exe;在 macOS/Linux 上可以是 python3.11 或 .venv/bin/python。
  5. 使用 scripts/fico_data_prep.py --dry-run --input "<file.csv>" --target <column> 检查架构和泄漏风险。
  6. 使用 scripts/rpt1_oss_predict.py --dry-run --input "<file.csv>" --target <column> 检查本地 SAP-RPT-1-OSS 的前置条件。
  7. 企业 CSV 导出文件并非采用 UTF-8 编码且以逗号分隔时,添加 --encoding <encoding> 或 --delimiter ';'。
  8. 仅在用户明确要求、具备 Hugging Face 访问权限、完成许可证审查,并明确指定输出路径或标准输出模式后,才运行本地推理。

FI/CO 用例矩阵

详细的 v1 操作方案见 references/fico-use-cases.md。

领域v1 深度典型目标首选参考
FI-AR详细paid_late、days_late、default_flag付款违约/逾期付款
FI-AP详细discount_lost、discount_amount_lost现金折扣流失
FI-GL详细manual_review_flag、reversal_flag、outlier_flag日记账异常
CO/PS/CO-PA/FI仅入门超支、利润率、现金、争议、信用风险仅限用例矩阵中的条目

数据准备模式

优先使用已展平的源数据提取文件,确保每行对应一个预测对象,例如一张发票、一张供应商发票、一条日记账行或一份日记账凭证。推理前,将 SAP 技术字段重命名为语义化列名;SAP-RPT-1-OSS 会将列名和值作为表格上下文的一部分。

尽可能从 ACDOCA 等 S/4HANA 数据表,以及相关主数据和流程数据提取文件入手。ECC 后备表仅作为起点,不应视为普遍适用的事实。未经检查目标系统,切勿假定表格可用、字段语义明确或发行版本行为一致。

目标泄漏规则

在选择特征前,先定义数据截至日期。排除在该预测时点之后创建或更新的字段。

常见泄漏示例:

  • 在预测付款前使用清账日期、清账凭证、付款运行结果或最终付款状态。
  • 在预测时点之后产生的催款、争议、催收、核销或审计结果。
  • 日记账过账后创建的冲销标记或调查标记。
  • 预测日期之后过账的实际数、结算或期末调整。

治理检查清单

使用真实 FI/CO 数据前,请确认已获得业务负责人批准、法务/合规批准,已尽量减少字段,已对个人和银行相关数据进行脱敏,已按时间划分验证集,已记录目标定义,并安排人工审核。请将 references/data-governance.md 作为最低检查清单。

不得仅依据预测结果来阻止付款、作出信贷决策、采取催收行动、核销、得出审计结论或签署控制确认。

对于 Windows、macOS、Linux 和由组织管理的非管理员工作站,在建议设置或执行命令前,请先参考 references/enterprise-portability.md。优先使用用户可写的虚拟环境、已批准的缓存位置、加引号的路径和明确的输出位置。

随附资源

  • references/source-review-2026-06-18.md:公开来源/模型/产品页面审查和上游未解决问题列表。
  • references/fico-use-cases.md:详细的 FI-AR、FI-AP 和 FI-GL 配方,以及入门矩阵行。
  • references/data-governance.md:最低数据治理和模型卡检查清单。
  • references/enterprise-portability.md:Windows、macOS、Linux、非管理员、代理/缓存和 CSV 导出指南。
  • scripts/fico_data_prep.py:用于只读检查 CSV 架构、目标和数据泄漏的辅助工具。
  • scripts/rpt1_oss_predict.py:适用于 SAP-RPT-1-OSS 的本地推理可选封装。
  • assets/*.csv:仅包含合成 FI/CO 示例数据集。

已知问题

应将 SAP-RPT-1-OSS 的上游问题视为经来源审查确认的限制,而非已修复行为。请参阅 references/source-review-2026-06-18.md,查看从 SAP-samples/sap-rpt-1-oss 审查的问题编号和标题。

本地推理可能会下载受限模型工件、填充本地缓存、需要 Hugging Face 身份验证,并占用大量内存。此插件随附的命令不得直接运行推理。

来源和验证说明

已审查的来源:SAP-samples sap-rpt-1-oss、Hugging Face SAP/sap-rpt-1-oss,以及 SAP-RPT 的 SAP 产品页面。

验证范围仅限于公开来源/模型/产品页面审查。未进行实时 SAP 租户验证、实时 SAP 系统验证、托管 SAP-RPT API 验证、本地推理基准验证或生产财务工作流验证。

产品范围:

  • SAP-RPT-1-OSS 是此处记录的本地开源模型工作流。
  • 托管的 SAP-RPT-1 playground 仅作为产品背景信息,不随附为客户端。
  • 根据 2026-06-18 的来源审查,SAP-RPT-1.5 属于未来产品背景信息,本技能不得将其描述为当前可用。

相关技能

  • sap-ai-core:用于 SAP AI Core 部署和运行时架构模式。
  • sap-cloud-sdk-ai:用于 SAP Cloud SDK AI 集成模式和托管 AI 服务用法。
  • sap-hana-ml:用于 SAP HANA 原生机器学习工作流。
  • sap-sqlscript:用于基于 SQLScript 的数据提取和特征准备。

评论

支持 Markdown