🏦 基于大语言模型与个人财务分析的银行对账单文档自动化

自动提取、结构化处理银行对账单PDF，并通过RAG技术进行查询，结合AI智能体实现财务分析。

本项目利用计算机视觉（YOLO）、OCR技术和大型语言模型，将非结构化的银行对账单PDF转换为结构化数据。支持自然语言查询，并生成具有洞察力的月度/年度财务报告。

---

✨ 核心功能

• 高级文档解析 — 自定义YOLOv8版布局检测 + OCR + LLM表格提取
• RAG管道 — 强大的向量数据库增强检索生成能力
• 自主AI智能体 — 基于AG2框架构建（已于2026年2月从pyautogen迁移）
• 财务智能 — 收入/支出分类、趋势分析、月度及年度总结
• 多模态与本地LLM支持 — 兼容Gemini、Ollama（Llama 3、Gemma 2等）
• 用户界面 — Streamlit Web应用（apps.py）
• 评估框架 — 集成DeepEval用于RAG质量测试

---

🛠 技术栈

• 文档处理：YOLOv8（自定义布局模型）、PyMuPDF、pytesseract、pymupdf4llm
• RAG与向量存储：LangChain、Chroma、Faiss
• 智能体框架：AG2（最新版本）
• LLMs：Google Gemini、通过Ollama运行的本地模型
• 前端：Streamlit
• 分析工具：pandas、Plotly

相关仓库：YOLO基础文档布局检测

---

📁 仓库结构

src/
├── dev/                    # 用于开发与测试的Jupyter笔记本
│   ├── ai_bank_statement_dev.ipynb
│   ├── ai_agent_dev.ipynb
│   └── RAG_algorithm_test.ipynb
├── apps.py                 # Streamlit Web应用
├── bank-statement-document/ # 核心处理脚本
├── yolo-base-layout-analysis/
├── faiss_index/ & chroma_db/
├── test-document/          # 用于测试的示例PDF文件
├── *.sh                    # 安装与设置脚本
├── requirements.txt
└── .env.example

---

🚀 快速开始

1. 克隆并设置环境

git clone https://github.com/johnsonhk88/AI-Bank-Statement-Document-Automation-By-LLM-And-Personal-Finanical-Analysis-Prediction.git
cd AI-Bank-Statement-Document-Automation-By-LLM-And-Personal-Finanical-Analysis-Prediction

# 设置虚拟环境并安装依赖
./src/build-python-virual-environment.sh
./src/activate_virual_environment.sh
./src/install-requirement.sh

# 安装Tesseract OCR（Ubuntu/Debian）
./src/install-pytesseract-for-linux.sh

创建.env文件，并填入您的GOOGLE_API_KEY（用于Gemini）。

2. 运行应用

开发用笔记本

cd src/dev
jupyter notebook

Streamlit Web界面

cd src
streamlit run apps.py

📈 最新重大更新

• 2026年2月24日 — 完全从pyautogen迁移至AG2智能体框架
• 2025年 — 新增高级RAG管道、多模态支持以及DeepEval评估
• 持续中 — 不断优化财务分类与本地LLM推理能力

🗺 路线图

• 完善生产级端到端流程
• 高级时间序列预测以实现现金流预测
• 多银行对账单支持及自动分类功能
• Docker + API部署
• 更丰富的交互式仪表盘与可视化展示

---

📄 许可证

本项目采用Apache License 2.0许可协议。

---

专为香港地区的个人财务自动化而打造。

⭐ 如果您觉得这个项目有用，请给它点个赞吧！

只需复制上面的完整内容，替换您当前GitHub上的README.md文件即可。

这是最终、整洁且最新的版本。推送后，您的项目瞬间就会显得非常专业！

如果您希望我再添加一些截图、示例查询或演示视频部分，请随时告诉我！🚀

AI 银行账单文档自动化与个人财务分析快速上手指南

本项目利用计算机视觉（YOLO）、OCR 和大语言模型（LLM），将非结构化的银行账单 PDF 自动转换为结构化数据。支持自然语言查询（RAG），并能生成月度/年度财务分析报告。

1. 环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux (推荐 Ubuntu/Debian), macOS 或 Windows (需配置 WSL2)
• Python 版本: 3.10 或更高
• 前置依赖:
  • Git
  • Tesseract OCR (用于文本识别)
  • Jupyter Notebook (可选，用于开发调试)

💡 国内加速建议

• Git 克隆: 若访问 GitHub 缓慢，可使用 git clone https://ghproxy.com/https://github.com/johnsonhk88/AI-Bank-Statement-Document-Automation-By-LLM-And-Personal-Finanical-Analysis-Prediction.git
• Python 包: 安装依赖时建议指定清华或阿里镜像源，例如：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 安装步骤

第一步：克隆项目

git clone https://github.com/johnsonhk88/AI-Bank-Statement-Document-Automation-By-LLM-And-Personal-Financial-Analysis-Prediction.git
cd AI-Bank-Statement-Document-Automation-By-LLM-And-Personal-Finanical-Analysis-Prediction

第二步：配置虚拟环境与依赖

项目提供了自动化脚本来创建虚拟环境并安装所需库。

# 创建 Python 虚拟环境
./src/build-python-virual-environment.sh

# 激活虚拟环境
./src/activate_virual_environment.sh

# 安装 Python 依赖包
./src/install-requirement.sh

第三步：安装 Tesseract OCR (Linux/Ubuntu)

如果是 Ubuntu/Debian 系统，运行以下脚本安装 OCR 引擎：

./src/install-pytesseract-for-linux.sh

(注：macOS 用户可使用 brew install tesseract，Windows 用户需手动下载安装 Tesseract 并配置环境变量)

第四步：配置 API 密钥

在项目根目录创建 .env 文件，并填入您的 Google Gemini API Key（或其他支持的 LLM 密钥）：

cp .env.example .env
# 编辑 .env 文件，填入 GOOGLE_API_KEY=your_actual_key_here

3. 基本使用

本项目提供两种主要使用方式：Web 界面交互和开发笔记调试。

方式一：启动 Streamlit Web 应用（推荐）

这是最直观的使用方式，可上传 PDF 账单并进行对话式分析。

cd src
streamlit run apps.py

运行后，浏览器会自动打开本地服务地址（通常为 http://localhost:8501）。您可以在界面中上传银行账单 PDF，随后通过自然语言提问（如“上个月的最大支出是什么？”），系统将自动提取数据并回答。

方式二：使用 Jupyter Notebook 进行开发测试

如果您需要调试核心算法或测试 RAG 流程：

cd src/dev
jupyter notebook

在打开的界面中，选择 ai_bank_statement_dev.ipynb 或 ai_agent_dev.ipynb 逐步运行代码块。

---

提示：首次运行时，系统可能会下载 YOLO 模型权重和初始化向量数据库，请耐心等待。支持本地模型（通过 Ollama 部署 Llama 3 等）以减少 API 调用成本。