1. 项目概述:当记账工具遇上情感陪伴
最近在测试各类智能助手时,偶然发现一个有趣的现象:90%的记账类应用都停留在数据记录层面,而用户真正需要的是既能精准管理财务,又能提供情绪价值的数字伙伴。这让我想起团队去年开发的"智能记账秘书"原型——一个能自动归类消费记录,还会在超额消费时用段子提醒你的AI助手。
这个项目的核心价值在于解决了两个痛点:一是传统记账软件需要手动分类的繁琐操作,二是消费复盘时缺乏人性化交互。我们通过自然语言处理+消费行为分析的组合方案,让系统既能识别"在XX超市买了零食和日用品"这样的模糊描述,又能在用户深夜冲动购物时弹出"这笔消费相当于扔掉三杯奶茶哦"的趣味提醒。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计思路
2.1 双引擎驱动设计
系统采用双模块并行架构:
- 财务分析引擎:基于规则引擎和机器学习模型处理交易数据
- 使用BERT微调模型识别商户名称中的品类关键词
- 通过LSTM网络预测周期性消费(如房租、会员费)
- 情感交互引擎:结合用户画像生成个性化反馈
- 消费超支时根据用户历史偏好选择提醒方式(毒舌/温柔/搞笑)
- 设置成就系统解锁不同风格的虚拟助手形象
2.2 关键技术选型
经过对比测试,最终技术栈确定为:
python复制# 自然语言处理
pip install transformers==4.26.1 # 用于消费备注解析
pip install rasa==3.5.0 # 对话管理
# 数据分析
pip install pandas==1.5.3 # 交易记录处理
pip install scikit-learn==1.2.0 # 消费分类模型
特别注意:情感分析模块需要单独训练数据集,建议使用GoEmotions数据集配合自定义的财务场景语料
3. 核心功能实现细节
3.1 智能分类算法
消费记录的自动归类分为三个步骤:
- 商户名称清洗(去除分店编号等干扰信息)
- 多级分类匹配:
- 第一级:餐饮/购物/交通等大类
- 第二级:中餐/西餐等子类
- 金额智能修正(识别明显错误的手动输入)
python复制# 示例:餐饮类消费识别
def classify_restaurant(merchan
