从原始 CSV 重新读取，校验字段完整性、主键唯一性、客户与商品存在性、单位一致性和数量关系， 再把明细和回款各自汇总到一行一张订单，最后关联出客户对账结果。

$ python src/reconcile.py --cutoff 2026-10-06
有效订单 143 张，明细 966 行，暂缓订单 0 张
净应收 44914.30 元，已收 26254.15 元，未结清 18660.15 元
异常 0 条

换到 10 月 6 日，9 月 30 日之后到账的五笔回款已经落在统计窗口内，异常回到 0 条。 同一个脚本、同一份数据，异常条数从 84 变成 0，变的只是截止日。

与 Excel 结果一致，精确到分

11 条查询覆盖明细净额、订单对账、客户汇总、五类异常检查和总账核对。 同一份 SQL 在 MySQL 与 SQLite 两个引擎上分别跑，用来确认引擎差异不影响金额。 下面这段是客户汇总的简化示意，仓库里是分两级聚合的完整版本。

WITH ar AS (          -- 明细按订单汇总，再汇总到客户
  SELECT customer_id,
         SUM(ROUND(delivered_qty * unit_price, 2)
           - ROUND(returned_qty * unit_price, 2)) AS net_ar
  FROM order_lines
  GROUP BY customer_id
), paid AS (       -- 回款同样先落到订单，再汇总到客户
  SELECT customer_id, SUM(amount) AS paid
  FROM receipts
  WHERE payment_date <= '2026-10-06'
  GROUP BY customer_id
)
SELECT ar.customer_id, net_ar,
       COALESCE(paid, 0) AS paid,
       net_ar - COALESCE(paid, 0) AS unpaid
FROM ar LEFT JOIN paid ON paid.customer_id = ar.customer_id
ORDER BY unpaid DESC;

与 Excel、Python 结果一致，精确到分