kyotofin/tax-doc-classifier
一、一句话定位
用 TypeSafe Jev 决策模型替代 LLM 的开源税务文档分类器：不训练模型、不托管服务，仅凭一份 JSON 规则文件即可对每页 PDF 在 261 种 IRS 表单中分类，成本降 34 倍、速度快 6 倍。
二、核心技术/架构亮点
1. 无模型：分类器 = data/criteria.json（由 IRS 官方 PDF 自动生成）+ Jev 决策模型。
2. Jev 返回选项概率而非文本；单页一次请求，先判 page kind（7 类）再判 form（230+1）。
3. 分层：仅 5471 等 5 个企业/外国表单触发第二次小问题，细分子表。
4. 置信度门控：≥0.95 才放行，低置信自动降级；实测填充表单 0 错误。
5. Backend 抽象：一个 ask() 方法即可接入任意能输出校准概率的模型。
三、适用场景与目标用户
税务/财务软件工程师、文档处理平台。适合大规模识别 IRS 表单、追求低成本低延迟的场景；仅支持文本层（扫描件需先 OCR）。
四、可动手动作
1. clone 后 pnpm install && pnpm test 跑通。
2. 申请 TypeSafe API key，pnpm eval 复现结果。
3. 接入依赖：pnpm add github:kyotofin/tax-doc-classifier。
4. 借鉴 build-criteria：从 IRS XLSX→下载 PDF→抽取标签/页码，生成自己的规则 JSON。
五、学习优先级
P1（排期）：值得本周花半天跑通 demo；领域较专不必 P0 抢跑，但"JSON 规则 + 概率决策模型替代提示词"的思路值得记入技术雷达。⌂