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

解決的問題

本專案自動化處理銀行對帳單PDF中的財務資料提取、結構化與分析。消除手動數位化銀行對帳單的勞力，並提供一種在個人財務紀錄上進行財務趨勢分析與自然語言查詢的方法，同時透過PII去識別化來維護隱私。

工作原理

系統採用多階段流程處理文件：

1. 提取：結合YOLO進行版面偵測、OCR與LLM，從PDF中提取表格與文字。
2. 隱私保護：在資料嵌入向量資料庫（如Qdrant或Chroma）之前，透過安全的RAG流程對個人識別資訊（PII）進行去識別化。
3. 編排：支援三種不同的代理框架（CrewAI、Deep Agents、Hermes），用於處理解析、去識別化與財務分析等任務。
4. 推論：透過LiteLLM設計為「本地LLM優先」使用，支援LM Studio與Ollama等工具，確保資料留在本地。
5. 全端整合：使用FastAPI後端與React前端，透過Celery與Redis管理非同步文件處理，結構化資料儲存在PostgreSQL中。

適用對象

• 希望自動化個人財務分析與預測的個人
• 尋找多框架代理系統參考實作（對比CrewAI、Deep Agents與Hermes）的開發者
• 重視資料隱私，希望在本地硬體上執行財務LLM工作流程的使用者

主要亮點

• 多框架支援：在CrewAI、Deep Agents與Hermes中實現相同工作流程，便於比較
• 隱私導向：在資料進入向量資料庫前內建PII去識別化功能
• 本地LLM優化：透過LiteLLM專門針對本地模型（9B+參數）進行優化
• 完整基礎設施：包含全端API、GPU加速支援以及MLflow整合，用於追蹤代理工作流程