FinanceAgent：基于大语言模型的个人金融智能助手

FinanceAgent是一款开源的个人金融智能助手，基于Python开发，结合本地LLM（通过Ollama）与银行数据抓取能力，以Telegram Bot为交互界面，为用户提供智能化财务分析与建议。其核心目标是弥合原始金融数据与明智决策的鸿沟，且注重数据隐私保护，所有推理均在本地完成。项目由Alex Savizky创建，采用MIT许可证开源。

在AI与金融科技深度融合的趋势下，个人财务管理正迎来变革。FinanceAgent应运而生，旨在解决原始金融数据难以转化为可执行投资洞察的问题，为个人投资者提供智能化的财务管理工具。项目由开发者Alex Savizky开发，采用MIT许可证开源，允许自由使用与修改。

FinanceAgent采用模块化架构，核心模块包括：

• brain.py：智能大脑，与Ollama本地LLM交互，构建提示词并生成回复，使用telegramify_markdown确保Telegram显示效果。
• main.py：Telegram Bot接口，基于telebot库，实现命令处理、对话管理及白名单访问控制。
• bank_connector.py：银行数据连接器，目前支持以色列国民银行（Bank Leumi），通过Node.js脚本抓取账户信息。
• database.py：数据持久化模块，存储用户画像与对话历史。
• scraper/：Node.js编写的数据抓取层，获取实时银行数据。

技术栈混合Python（AI推理与业务逻辑）与Node.js（网页抓取），各模块职责清晰，易于扩展。

FinanceAgent具备以下核心功能：

1. 个性化用户画像：通过引导式对话收集用户姓名、年龄、月收入等信息，为针对性建议提供基础。
2. 实时银行数据集成：连接Bank Leumi获取实时账户余额、交易记录，识别大额支出，无需手动输入数据。
3. 对话式财务分析：支持自然语言交互，维护对话上下文，结合用户画像与历史生成回复，且使用本地LLM保障隐私。
4. 安全访问控制：基于Telegram用户ID的白名单机制，仅授权用户可访问敏感财务信息。

选择Ollama作为本地LLM后端，相比云端API具有以下优势：

• 数据隐私：用户财务数据（银行记录、交易信息）不离开本地机器，消除数据泄露风险。
• 成本可控：无按token计费的API成本，仅需承担本地运行的硬件与电力成本。
• 离线可用：除银行数据抓取外，系统可离线运行，适应网络不稳定场景。
• 模型灵活：用户可根据硬件条件选择不同规模模型（如Phi-3、Llama 3系列）。

目标用户：技术爱好者、隐私敏感用户、以色列国民银行客户、自托管爱好者。 部署流程：

1. 克隆代码仓库；2. 配置Ollama本地LLM服务；3. 设置Telegram Bot Token；4. 配置银行访问凭据；5. 启动服务。 扩展潜力：通过新增bank_connector模块可支持其他银行；修改brain.py提示词可定制分析风格与建议类型。

当前项目存在以下局限及改进方向：

• 银行支持有限：仅支持Bank Leumi，需开发更多银行连接器。
• 错误处理待完善：优化银行数据抓取失败时的用户体验，提供详细错误信息与恢复建议。
• 功能基础：可扩展投资分析、预算规划、财务目标追踪等高级功能。
• 缺乏可视化：增加图表组件，提升分析结果的呈现效果。

FinanceAgent展示了AI技术在个人财务管理中的应用潜力，通过本地LLM与实时金融数据结合，提供智能且隐私友好的理财助手原型。随着本地LLM技术进步与开源金融API生态成熟，此类工具有望更强大易用。该项目为AI+金融领域提供了有价值的参考实现，值得开发者关注探索。