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

此專案自動化從銀行對帳單中提取與分析財務資料。它解決了將非結構化 PDF 文件轉換為結構化財務洞見的挑戰，同時在資料儲存前透過遮蔽個人可識別資訊（PII）來確保隱私。

How it works

系統使用結合電腦視覺與語言模型的多階段管線：

  1. Document Parsing：利用 YOLO 進行版面偵測，並使用 OCR 從 PDF 中提取文字。
  2. Agentic Workflow：具備專業技能的 CrewAI 代理人負責解析、PII 遮蔽與財務分析。
  3. Local LLM Integration：使用 LiteLLM 連接本地模型（透過 LM Studio 或 Ollama），以維護資料隱私並降低成本。
  4. RAG Pipeline：將遮蔽後的資料嵌入向量資料庫（如 Qdrant 或 Chroma），使用者可透過自然語言查詢其財務歷史。
  5. Monitoring：使用 MLflow 追蹤與除錯代理工作流程與 LLM 呼叫。

Who it’s for

  • 想要自動化個人財務追蹤的個人。
  • 尋找本地優先 RAG 管線參考實作的開發者，適用於敏感文件。
  • 偏好在本地執行 LLM 以保持財務資料私密的使用者。

Highlights

  • Privacy-First：在將資料嵌入向量資料庫前遮蔽 PII。
  • Local-First：針對本地 LLM（9B+ 參數）進行最佳化，透過 LM Studio 與 Ollama。
  • Local LLM Guidance：提供模型大小與上下文長度的具體建議，以獲得最佳效能。
  • Comprehensive Tooling：整合 YOLO、OCR、CrewAI 與 MLflow，打造專業級自動化管線。