EmailAgent — agent na přijaté faktury

Hlídá schránku ordinace@buzalkova.cz a ukládá PDF přílohy přijatých faktur.

Ochrana proti duplicitám (2 vrstvy)

state.json — message_id zpracovaných mailů. Stejný mail se podruhé vůbec nestahuje (hlavní pojistka).
sha256 obsahu — při startu se načtou hashe všech PDF v cílové složce; stažená příloha se porovná hned po stažení. Když je stejný obsah už ve složce (i pod jiným názvem), soubor se přeskočí ([DUPLIKÁT]) a ušetří se i AI volání za pojmenování. Řeší případ, kdy se state.json ztratí nebo dodavatel pošle fakturu dvakrát. Porovnává se obsah, ne název — AI název se mezi běhy může v části [popis] lehce lišit.

Nasazení na unraid (Tower, 24/7)

Cílový adresář: /mnt/user/Scripts/StahovaniFaktur/ (= /scripts/StahovaniFaktur/ v kontejneru python-runner). Běh: docker exec python-runner python3 /scripts/StahovaniFaktur/faktury_agent.py.

.env na serveru má STORAGE=dropbox + ANTHROPIC_API_KEY + DROPBOX_* (na serveru není Medevio/.env ani Dropbox mount).
Závislosti v kontejneru: dropbox msal pymupdf requests (_ensure_deps() je doinstaluje i samo).
Plánování přes unraid User Scripts plugin (ne cron v dockeru):
- wrapper /boot/config/plugins/user.scripts/scripts/StahovaniFaktur/script (flock + docker exec, loguje do /mnt/user/Scripts/logs/stahovani_faktur.log),
- rozvrh 0 6,18 * * * v schedule.json → customSchedule.cron → update_cron → /etc/cron.d/root.
- Pozn.: /boot je FAT32, skript NELZE spustit přímým execem — plugin ho pouští přes startCustom.php (bash), proto to funguje.
Pozor na dvojí běh: spouštět jen ze serveru, ne zároveň lokálně (oddělené state.json).

Spuštění

cd U:\OrdinaceProjekt\EmailAgent
python faktury_agent.py

Skript je idempotentní — opakované spuštění nestáhne nic dvakrát (viz state.json). Lze přidat do Windows Task Scheduleru.

Co dělá (tok)

Graph API (graph_mail.py) — načte nové maily s přílohou ze složek Inbox + přímé podsložky (vynechává Junk/Deleted/Sent/Drafts), od posledního běhu (state.json → last_run, s překryvem −1 den).
Levný předfiltr (Python, zdarma) — propustí jen maily, kde se slovo faktur* vyskytuje v předmětu, těle, nebo v názvu přílohy. Maily, které neprojdou, se rovnou označí jako zpracované.
AI klasifikace (Claude, placené) — jen na propuštěné maily. Model claude-haiku-4-5 rozhodne je_faktura: true/false a vybere správnou .pdf přílohu (ne ISDOC/XML/obrázek/VOP/dodací list/objednávku).
Stažení vybraného PDF přes Graph.
Ověření obsahu PDF (Python, zdarma) — přečte text PDF (fitz/PyMuPDF) a hledá slovo faktur*:
- ano → potvrzeno, uloží se.
- ne → text fakturu neobsahuje (AI nejspíš vybrala špatnou přílohu) → neukládá se, jen zaloguje [PDF NEPOTVRZENO].
- bez_textu → PDF nemá textovou vrstvu (skenovaná faktura) → uloží se, ale zaloguje [PDF BEZ TEXTU] k ruční kontrole.
Návrh názvu (Claude nad textem PDF) — propose_filename() z textu faktury vytěží datum/typ/dodavatele/číslo/popis/částku a vrátí jednotný název YYYY-MM-DD Typ Dodavatel ČÍSLO [popis] [částka MĚNA].pdf. Pravidla převzata z Faktury/FakturyRenameOpenAI.py (např. Distribuce CZ → Ptáček). Při chybě nebo u skenu bez textu se použije původní název přílohy.
Uložení pod navrženým názvem. Konflikty řeší přípona (2), (3) …
Kategorie + přesun (Graph, destruktivní) — mail se označí kategorií ClaudeProcessed (zelená) a přesune do Inbox/ProcessedByAgent/Invoices. Děje se i u duplikátu (úklid Inboxu). Vyžaduje Mail.ReadWrite.
Zápis state.json + log _log_faktury.txt.
Summary e-mail — po každém běhu se z SUMMARY_FROM (reports@buzalka.cz) pošle souhrn na SUMMARY_TO (vladimir.buzalka@buzalka.cz) přes Graph (graph_mail.send_mail, vyžaduje Mail.Send). Tělo = log běhu.

Na konci běhu skript vypíše cenu AI za běh — počet volání, tokeny a částku v USD i Kč (kurz USD_TO_CZK, ceník modelů v PRICING). Orientačně ~0,1 Kč na fakturu (klasifikace + pojmenování).

Konfigurace (`faktury_agent.py`, sekce NASTAVENÍ)

Konstanta	Význam
`MAILBOX`	sledovaná schránka
`TARGET_SUBPATH`	podsložka v Dropboxu — root přes `Knihovny/najdi_dropbox.py`
`FIRST_RUN_DAYS`	kolik dní dozadu při prvním běhu (prázdný state)
`ANTHROPIC_MODEL`	model pro klasifikaci faktura ano/ne
`ANTHROPIC_NAMING_MODEL`	model pro návrh názvu souboru
`FAKTUR_RE`	regex předfiltru (`faktur`)
`CATEGORY` / `CATEGORY_COLOR`	kategorie přidaná zpracovanému mailu + barva
`PROCESSED_FOLDER_PARTS`	cílová podsložka přesunu (pod Inbox)
`SKIP_FOLDERS`	složky vynechané při skenování

Úložiště — lokální vs. Dropbox API (`storage.py`)

Cíl je stejná složka, ale dvěma cestami podle prostředí (STORAGE):

`STORAGE`	Backend	Kdy
`local` (default)	`LocalStorage` — filesystem přes `najdi_dropbox.get_dropbox_root()` + `TARGET_SUBPATH`	Windows (je tu Dropbox mount)
`dropbox`	`DropboxStorage` — Dropbox HTTP API, cesta `DROPBOX_TARGET_PATH`	unraid/server (bez Dropbox mountu)

Společné rozhraní: load_hashes(), hash_bytes(data), save(name, data), describe(). Dedup: lokálně sha256 obsahu, přes API Dropbox content_hash (blokový sha256 z metadat — nestahuje soubory). Listing v Dropboxu stránkuje.

Cílová složka: <Dropbox>\Ordinace\!!MUDr. Michaela Buzalková s.r.o\Prosek\#040 Faktury přijaté\ (Dropbox API: /Ordinace/.../#040 Faktury přijaté, Full Dropbox app).

Po zpracování (destruktivní): CATEGORY (= ClaudeProcessed, barva CATEGORY_COLOR) + přesun do Inbox/ + PROCESSED_FOLDER_PARTS (= ProcessedByAgent/Invoices). Tato složka se při skenování přeskakuje (SKIP_FOLDERS).

Autentizace

Microsoft Graph — app registrace (application permissions) sdílená s Knihovny/EmailMessagingGraph.py. Vyžaduje granty Mail.Read (čtení/přílohy) a Mail.ReadWrite (kategorie + přesun mailů) a Mail.Send (summary e-mail). Credentials jsou natvrdo v graph_mail.py (tenant/client/secret).
Anthropic — klíč ANTHROPIC_API_KEY z Medevio/.env.
Dropbox API (jen STORAGE=dropbox) — DROPBOX_APP_KEY / DROPBOX_APP_SECRET / DROPBOX_APP_REFRESH_TOKEN z EmailAgent/.env (gitignored). Full Dropbox app, účet vladimir.buzalka@buzalka.cz. Refresh token = trvalý, access token se obnovuje sám.

Závislosti

msal, requests, fitz (PyMuPDF), a pro STORAGE=dropbox navíc dropbox (pip install dropbox). Na unraid/python-runner je nutné dropbox doinstalovat.

Soubory

Soubor	Popis
`faktury_agent.py`	hlavní skript
`graph_mail.py`	vrstva nad Graphem (čtení/zápis zpráv, stahování příloh)
`storage.py`	úložiště faktur — `LocalStorage` / `DropboxStorage`
`.env`	Dropbox credentials + volitelně `STORAGE` (gitignored)
`state.json`	ID zpracovaných mailů + `last_run`
`_log_faktury.txt`	log běhů

Poznámky / TODO

Destruktivní — zpracovaný mail se kategorizuje a přesouvá z Inboxu. Maily se nemažou. Přesun mění message_id; idempotenci hlídá state.json (původní id) i to, že přesunuté maily jsou v nesnímané podsložce.
Maily, které předfiltr nepropustí, se uloží do processed_ids jako vyřízené — když se prompt/pravidla později změní, znovu se nepřehodnotí. Pro re-test smaž příslušné ID ze state.json.
Graph nezvládne $orderby spolu s filtrem hasAttachments (InefficientFilter) — proto se na serveru neřadí.

8.0 KiB Raw Permalink Blame History Unescape Escape