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

해결하는 문제

이 프로젝트는 은행 명세서 PDF에서 재무 데이터를 추출하고 구조화하며 분석하는 과정을 자동화합니다. 수동으로 은행 명세서를 디지털화하는 노동을 제거하고, 개인 재무 기록에 대해 재무 트렌드 분석과 자연어 질의를 가능하게 하며, PII 마스킹을 통해 개인정보 보호를 유지합니다.

작동 방식

시스템은 다단계 파이프라인을 사용하여 문서를 처리합니다:

1. 추출: YOLO를 활용한 레이아웃 탐지, OCR, LLM을 결합하여 PDF에서 테이블과 텍스트를 추출합니다.
2. 개인정보 보호: Qdrant 또는 Chroma와 같은 벡터 데이터베이스에 데이터를 임베딩하기 전에 안전한 RAG 파이프라인을 통해 개인 식별 정보(PII)를 마스킹합니다.
3. 오케스트레이션: CrewAI, Deep Agents, Hermes의 세 가지 다른 에이전트 프레임워크를 지원하여 파싱, 마스킹, 재무 분석 등의 작업을 처리합니다.
4. 추론: LiteLLM를 통해 "로컬 LLM 우선" 사용을 설계하였으며, LM Studio 및 Ollama와 같은 도구를 지원하여 데이터를 로컬에 유지합니다.
5. 풀스택 통합: Celery와 Redis를 통해 비동기 문서 처리를 관리하는 FastAPI 백엔드와 React 프론트엔드가 있으며, 구조화된 데이터는 PostgreSQL에 저장됩니다.

대상 사용자

• 개인 재무 분석 및 예측을 자동화하고 싶은 개인
• CrewAI, Deep Agents, Hermes를 비교할 수 있는 다중 하모니 에이전트 시스템의 참조 구현을 찾는 개발자
• 데이터 프라이버시를 우선시하고 로컬 하드웨어에서 재무 LLM 워크플로우를 실행하고자 하는 사용자

주요 특징

• 다중 프레임워크 지원: CrewAI, Deep Agents, Hermes에서 동일한 워크플로우를 구현하여 비교 가능
• 프라이버시 중심: 벡터 데이터베이스에 데이터가 입력되기 전에 내장된 PII 마스킹 기능 제공
• 로컬 LLM 최적화: LiteLLM를 통해 9B 이상 파라미터를 가진 로컬 모델에 특화된 최적화
• 완전한 인프라스트럭처: 풀스택 API, GPU 가속 지원, MLflow 통합을 통해 에이전트 워크플로우의 추적 기능을 제공