johnsonhk88/AI-Bank-Statement-Document-Automation-By-LLM-And-Personal-Finanical-Analysis-Prediction

何を解決するか

このプロジェクトは、銀行明細PDFからの財務データの抽出、構造化、分析を自動化します。手動でのデジタル化作業を排除し、個人の財務記録に対して財務トレンド分析や自然言語クエリを可能にしながら、PIIのマスキングによりプライバシーを維持します。

動作方法

システムは複数段階のパイプラインを使用してドキュメントを処理します：

1. 抽出：YOLOによるレイアウト検出、OCR、およびLLMを組み合わせてPDFからテーブルとテキストを抽出します。
2. プライバシー：データをベクトルデータベース（QdrantやChromaなど）に埋め込む前に、安全なRAGパイプラインで個人を特定できる情報（PII）をマスキングします。
3. オーケストレーション：CrewAI、Deep Agents、Hermesの3つの異なるエージェントフレームワークをサポートし、パース、マスキング、財務分析などのタスクを処理します。
4. 推論：LiteLLMを介して「ローカルLLM最優先」の使い方を設計しており、LM StudioやOllamaなどのツールをサポートしてデータをローカルに保ちます。
5. フルスタック統合：CeleryとRedisを介して非同期ドキュメント処理を管理するFastAPIバックエンドとReactフロントエンドがあり、構造化データはPostgreSQLに保存されます。

対象ユーザー

• 個人の財務分析と予測を自動化したい個人
• CrewAI、Deep Agents、Hermesの3つのフレームワークを比較できるマルチハーネスエージェントシステムのリファレンス実装を探している開発者
• データプライバシーを重視し、ローカルハードウェア上で財務LLMワークフローを実行したいユーザー

特徴

• マルチフレームワーク対応：CrewAI、Deep Agents、Hermesの3つすべてで同じワークフローを実装し、比較可能
• プライバシー中心：ベクトルデータベースへのデータ投入前に組み込みのPIIマスキングを実施
• ローカルLLM最適化：LiteLLMを介して、9Bパラメータ以上のローカルモデルに特化して最適化
• 完全なインフラストラクチャ：フルスタックAPI、GPU加速サポート、およびMLflow統合によるエージェントワークフローのトレースを備える