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

AI Bank Statement Document Automation By LLM model and Personal Finanical Analysis

What it solves

此项目自动化从银行对账单中提取和分析财务数据。它解决了将非结构化 PDF 文档转换为结构化财务洞察的挑战，同时在数据存储前通过遮蔽个人可识别信息（PII）来确保隐私。

How it works

系统使用结合计算机视觉和语言模型的多阶段流水线：

  1. Document Parsing：采用 YOLO 进行布局检测，并使用 OCR 从 PDF 中提取文本。
  2. Agentic Workflow：具备专门技能的 CrewAI 代理处理解析、PII 遮蔽和财务分析。
  3. Local LLM Integration：使用 LiteLLM 连接本地模型（通过 LM Studio 或 Ollama），以维护数据隐私并降低成本。
  4. RAG Pipeline：将遮蔽后的数据嵌入向量数据库（如 Qdrant 或 Chroma），用户可以使用自然语言查询其财务历史。
  5. Monitoring：使用 MLflow 跟踪和调试代理工作流及 LLM 调用。

Who it’s for

  • 想要自动化个人财务跟踪的个人。
  • 寻找本地优先 RAG 流水线参考实现的开发者，适用于敏感文档。
  • 偏好在本地运行 LLM 以保持财务数据私密的用户。

Highlights

  • Privacy-First：在将数据嵌入向量数据库前遮蔽 PII。
  • Local-First：针对本地 LLM（9B+ 参数）进行优化，通过 LM Studio 与 Ollama。
  • Local LLM Guidance：提供模型大小和上下文长度的具体建议，以获得最佳性能。
  • Comprehensive Tooling：整合 YOLO、OCR、CrewAI 与 MLflow，打造专业级自动化流水线。