从银行邮件中每晚追踪个人财务
这是我离“感受到 AGI”最近的一次体验。任务：作者使用 Claude Code 构建了一个个人财务追踪器，通过解析银行更新邮件并利用树莓派上的本地 LLM 对支出进行分类。每晚的 cron 作业自动聚合数据，无需人工干预。用户负责定义需求并审查输出，AI 处理编码和部署。；工具：Claude Code。人工角色：原始帖子未说明人类如何保持参与。；局限：需要运行本地 LLM（Llama 3.2:3B）的树莓派以及银行邮件访问权限。作者警告称，作为非程序员，他无法判断代码的优雅性或可扩展性。与特定银行邮件格式的集成可能需要自定义解析逻辑。。
工具
Agent Work Atlas 发布日期:
概述
这是我离“感受到 AGI”最近的一次体验
工作流程
作者使用 Claude Code 构建了一个个人财务追踪器，通过解析银行更新邮件并利用树莓派上的本地 LLM 对支出进行分类。每晚的 cron 作业自动聚合数据，无需人工干预。用户负责定义需求并审查输出，AI 处理编码和部署。
原文报告的结果
追踪器成功聚合了跨账户的支出并自动添加商户上下文。作者表示其工作效果极佳，但承认由于不愿面对消费情况，很少查看报告。未提供关于准确性或节省时间的量化指标。
人工角色
原始帖子未说明人类如何保持参与。
局限
需要运行本地 LLM（Llama 3.2:3B）的树莓派以及银行邮件访问权限。作者警告称，作为非程序员，他无法判断代码的优雅性或可扩展性。与特定银行邮件格式的集成可能需要自定义解析逻辑。
试一试
作为技术助手构建个人财务追踪器。1. 分析 [可替换输入：邮件样本] 中的银行通知邮件以识别交易模式。2. 编写一个 Python 脚本，使用本地 LLM 提取日期、金额和商户，并对支出进行分类。3. 设置 cron 作业每晚运行此脚本。4. 输出每日支出的 JSON 摘要。在最终确定之前，在 [可替换输入：5 封测试邮件] 上运行脚本并向我展示提取的数据以供批准。在我确认分类逻辑正确之前，不要部署。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。