[hinson0]

背景

用户输入"发工资 8000"、"银行利息 12.5"、"朋友退我 50"等收入表述时，自动记账会被错判为 expense，截图和 eval 均可复现。原因在 apps/backend/services/silicon.py 三个 prompt 都偏向支出：

函数	原问题
classify_intent	只给了"买咖啡 30 块"一个支出 few-shot，"银行利息 12.5"这种名词短语 + 金额被当 chat
extract_bill	prompt 里根本没解释 type 字段该怎么判
extract_bill_from_receipt	明确写"type：通常为 expense"，硬编码偏见

改动

1. 建立跨语言关键词 SSoT（packages/shared/src/constants/keywords.json）

分两层：

• notification（窄，4/6 词）：前端 parser.ts 通知正则匹配用
• semantic（宽，23/12 词）：后端 LLM prompt hint 用

分层而非合并的原因：如果把"工资""分红""理财收益"这种 semantic 词加进通知正则，会把"工资代发提醒"之类的银行推广文案误识别为到账。

2. 前后端消费同一份 JSON

• 前端 apps/mobile/lib/auto-bookkeeping/parser.ts 通过 @coco/shared 导入 NOTIFICATION_INCOME_REGEX / NOTIFICATION_EXPENSE_REGEX
• 后端 apps/backend/constants/keywords.py 用硬编码相对路径 Path(__file__).resolve().parents[3] / "packages/shared/.../keywords.json" 读取同一字节
• packages/shared/tsconfig.json 开启 resolveJsonModule

3. 三个 prompt 全面重写

• classify_intent：加判定规则 + 收入 few-shot（银行利息 / 发工资 / 朋友退我 / 理财收益 / 报销）；强调"名词短语 + 金额不需要动词也算 record"
• extract_bill：用 f-string 注入共享关键词表 + 5 条 few-shot（含"刚收到报销 300 → 其他收入，不是'报销'"这种防 category 越界的示例）
• extract_bill_from_receipt：移除 "通常为 expense" 硬编码，改为"小票默认 expense，但出现收入关键词时判 income"

两个 extract_bill* 函数共用同一个 _INCOME_KW / _EXPENSE_KW 字面量，解决"两处关键词表不一致"的代码评审建议。

4. 离线 eval 脚手架（apps/backend/tests/test_silicon_eval.py）

• pytestmark = skipif(os.getenv("RUN_LIVE_EVAL") != "1") 门控，默认 skip 不烧 API token
• 16 个 case：8 个 intent + 8 个 bill，覆盖收入/支出/歧义/OCR 四类场景
• 对应修了 tests/conftest.py，live eval 模式下不覆盖 .env 里真 SILICON_API_KEY（原来 conftest 的 setdefault 会屏蔽真 key）

5. 单独 commit 修历史 ruff 错（7c7bc16）

routers/auth.py 三个 pre-existing ruff 错（import 未排序 + 2 个 unused import）挡 CI，autofix 修复。send_sms_code 加 # noqa: F401 因为被 patch("routers.auth.send_sms_code") mock。

验证

• just cicd-be：47 passed + 16 eval skipped
• just cicd-fe：173 passed（18 suites）
• RUN_LIVE_EVAL=1 uv run pytest tests/test_silicon_eval.py::test_bill -vs 实调 Qwen3-8B：8/8 bill case 通过
  • 刚收到报销 300 → category="其他收入" ✅
  • 银行利息 12.5 → category="理财" ✅
  • 我请同事吃饭 200 → type=expense, category="餐饮" ✅

Test plan

• 后端 ruff / format / pyright / pytest 全绿
• 前端 lint / typecheck / jest 全绿
• 离线 bill eval 在真实 LLM 上验证
• 手动回归：在 app 里依次输入"银行利息 12.5"、"发工资 8000"、"打车 45"、"这周花了多少"，观察意图判定和账单卡片的 type/category/颜色

Co-Authored-By: Claude noreply@anthropic.com