FinBot - WeChatFerry + DeepSeek打造 个人智能记账助手

FinBot - WeChatFerry + DeepSeek打造个人记账助手

FinBot是一个基于WeChatFerry + DeepSeek打造的微信个人记账管理助手,能够通过 微信自动捕获、记录个人交易数据,并提供汇总和AI对话分析数据功能,帮助快速管理每日交易数据。

开发这个Bot的目的是在于有记账的需求,以前会采用手动记账的形式,但时间久了手动记有点麻烦而且容易忘了要记账,虽然微信支付里 微信记账本,但有时候不通过微信进行的花销就没法进行记录了。某天发现银行卡有微信提醒的功能,每一笔交易都会通过对应的公众号进行 通知,那这样的就有完整的交易记录获取了,毕竟钱都是从银行卡进出(至少本人是)。于是找到了开源的WeChatFerry来获 取微信中银行公众号的交易信息并使用DeepSeek来对交易信息进行解析写入飞书文档。并通过DeepSeek用自然语言的方式来分析和获取交易数据。有这类需求的可以看看

所有数据都不会上传,包括写入的飞书文档都是你自己控制

使用前提:最好有个微信小号,闲置的电脑或者买个服务器(需要是Windows),使用的银行卡支持微信通知。如何使用WeChatFerry 以及注意事项可点击链接查看

核心功能

1. 交易信息捕获与处理

  • 识别并解析微信中的银行交易提醒消息 使用WeChatFerry来识别微信里银行公众号的交易信息,交给DS进行解析写入飞书文档
  • 智能识别交易类型、金额、时间等关键信息

2. 数据存储与管理

  • 本地SQLite数据库存储交易记录
  • 自动同步数据至飞书电子表格,便于远程访问和共享和下载文件

3. 交易数据分析

  • 提供日常交易数据汇总与分析
  • 支持按日期查询交易记录
  • 生成每日收支汇总报告
  • 通过AI辅助分析交易数据及趋势

4. 多平台集成

  • 微信机器人实时接收并处理消息
  • 飞书数据同步与展示
  • 支持通过简单指令查询财务信息

项目结构

bash 复制代码
FinBot/
├── ai/                 # AI服务集成模块
├── analysis/           # 财务数据分析模块
├── db/                 # 数据库模型和服务
│   ├── models/         # 数据模型
│   └── services/       # 数据库服务
├── feishu/             # 飞书API集成
├── scheduler/          # 定时任务管理
│   └── jobs/           # 具体任务实现
├── util/               # 通用工具函数
├── config.py           # 配置文件
├── finbot.py           # 机器人核心实现
├── main.py             # 程序入口
├── parse_msg.py        # 消息解析模块
└── requirements.txt    # 项目依赖

使用指南

安装依赖

bash 复制代码
pip install -r requirements.txt

配置项目

  1. 修改config.py,填入相应Key

启动服务

bash 复制代码
python main.py

支持的指令

  • #今日数据 - 查询今日交易记录
  • #昨日数据 - 查询昨日交易记录
  • #汇总@日期 - 指定日期的收支汇总(如:#汇总@2023-01-01
  • @DS - 与AI助手对话,分析财务数据

FinBot让个人财务管理变得简单高效,通过自动化的数据捕获和智能分析,帮助用户更好地了解自己的财务状况,实现财务目标。

相关推荐
颜酱19 分钟前
# 02 | 搭骨架:用 LangGraph 编排 12 步工作流(思路)
前端·人工智能·后端
颜酱20 分钟前
02 | 搭骨架:用 LangGraph 编排 12 步工作流
前端·人工智能·后端
嘉伟桑1 小时前
Python调用电价API返回JSON示例:分时电价、现货电价和字段解析
后端
武子康2 小时前
Shippy:确定性工具、会话级 Sandbox 与 Live-Data Eval(4 类收敛 + 7 步实现方案 + 6 类评测指标)
前端·人工智能·后端
我叫黑大帅2 小时前
我为什么单一消费者的场景下,要用 Redis List 当消息队列?
redis·后端·面试
AskHarries2 小时前
文件上传系统
后端
止语Lab3 小时前
好的 DX 不等于少写代码——三种语言的摩擦力设计课
后端
吃饱了得干活3 小时前
别再手动解析 LLM 输出了!LangChain 四种结构化输出方案对比
后端·python·langchain
程序员天天困3 小时前
Arthas trace 命令怎么用?一行定位最慢那行代码
jvm·后端
Huiturn3 小时前
GPT 5.6 连续编码 10 小时,纯 Python 啃下 Word 二进制格式——doc2docx 实现拆解
后端