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

解决的问题

该项目自动化处理银行对账单PDF中的财务数据提取、结构化和分析。消除了手动数字化银行对账单的工作量，并提供了一种在个人财务记录上进行财务趋势分析和自然语言查询的方法，同时通过PII脱敏来保障隐私。

工作原理

系统采用多阶段流水线处理文档：

1. 提取：结合YOLO进行版面检测、OCR和LLM，从PDF中提取表格和文本。
2. 隐私保护：在将数据嵌入向量数据库（如Qdrant或Chroma）之前，通过安全的RAG流水线对个人身份信息（PII）进行脱敏。
3. 编排：支持三种不同的代理框架（CrewAI、Deep Agents、Hermes），用于处理解析、脱敏和财务分析等任务。
4. 推理：通过LiteLLM设计为“本地LLM优先”使用，支持LM Studio和Ollama等工具，确保数据本地化。
5. 全栈集成：使用FastAPI后端和React前端，通过Celery和Redis管理异步文档处理，结构化数据存储在PostgreSQL中。

适用人群

• 希望自动化个人财务分析与预测的个人
• 寻找多框架代理系统参考实现（对比CrewAI、Deep Agents和Hermes）的开发者
• 重视数据隐私，希望在本地硬件上运行财务LLM工作流的用户

主要亮点

• 多框架支持：在CrewAI、Deep Agents和Hermes中实现相同工作流，便于对比
• 隐私优先：在数据进入向量数据库前内置PII脱敏功能
• 本地LLM优化：通过LiteLLM专门针对本地模型（9B+参数）进行优化
• 完整基础设施：包含全栈API、GPU加速支持以及MLflow集成，用于追踪代理工作流