Tauri2+Vue3+Ollama 实战｜依托 AI 协同开发全离线隐私记账桌面软件（开源）

前言

当下各类理财记账软件普遍强制用户持仓、交易数据上传厂商云端，敏感资产数据存在泄露隐患；付费第三方 AI 接口做交易复盘又会带来隐私外泄问题。基于痛点，我依托多年金融客户端开发经验，落地一套全本地离线投资复盘系统 Invest Record Pro，全程通过标准化人机协作模式，指挥 AI 完成从产品设计、架构编码到测试上线全流程，项目已 MIT 开源。

项目技术栈：Tauri2 (Rust)+Vue3+TS+NaiveUI+SQLite+Ollama，适配 Windows、macOS 双端。开源地址：https://github.com/brycegao/invest-record-pro

一、独创 AI 协同开发体系

结合在职落地 AI CodeReview、15 + 编码规范 Skill 体系的工程经验，总结标准化人机协作开发流程，不靠 AI 无脑生成代码，以工程师为主导、AI 为生产工具：

阶段拆解：整体拆分为架构设计、库表建模、页面开发、Rust 数据层、Ollama 对接等 8 个独立阶段；
定制约束 Prompt：每个模块编写专属提示词，限定技术栈、编码规范、异常处理规则，规避 AI 代码风格混乱；
AI 批量生成代码：由 AI 输出基础业务代码、工具类、接口封装；
分段自测 + 人工重构：单模块完工后完成边界测试、数据校验，修正 AI 冗余代码、逻辑漏洞，迭代优化提示词。

依靠这套流程，短周期完成 V1.0 完整版本落地，验证 AI 落地中小型全栈项目的可行性。

二、产品架构与功能设计

围绕交易规划→实盘录入→仓位统计→AI 月度复盘闭环设计产品，全部业务数据保存在本地 SQLite，无任何后台联网上报逻辑：

标的管理、交易计划录入、逐笔持仓快照；
盈亏自动核算、仓位分布统计；
Ollama 本地大模型自动生成专业化投资复盘报告。

三、三大关键技术落地方案

1、DDD 分层架构，解决前后端数据同步难题

采用 feature-first 领域分层架构：domain 定义实体、services 做中间调度、features 划分业务域，所有增删改查下沉 Rust 层处理，前端仅负责页面渲染，彻底解决 Vue 前端、Tauri Rust、SQLite 三层数据不一致问题。

2、金融浮点精度根治方案

借鉴交易所项目实战经验，金额 ×100、持仓数量 ×1000 转为整型入库，前端展示再做除法，从存储层杜绝 JS 浮点运算误差，适配金融高精度计算场景。

3、全局网络拦截，实现纯离线运行

修改 tauri.conf.json 拦截全部外网请求，前端请求增加域名白名单，仅放行 127.0.0.1:11434 本地 Ollama 端口；程序启动自动探测大模型运行状态，异常时页面友好提示，全程断网可用。

4、本地 AI 复盘 + 异常降级

定制投资场景结构化 Prompt，限定 AI 仅从盈亏、交易陋习、优化建议四个维度输出复盘；Ollama 服务宕机时自动降级为规则化数据摘要，保障功能可用。

四、部署教程

源码编译部署

bash

运行

复制代码

git clone https://github.com/brycegao/invest-record-pro.git
cd invest-record-pro
npm install
npm run tauri dev

普通用户：前往项目 Release 下载对应系统安装包，一键安装即用。

五、项目迭代规划

V1.1：券商 K 线 CSV 批量导入、自定义技术指标统计；
长期：持续迭代复盘 Prompt 模板，优化软件性能与交互。

结语

本项目是 AI 协同全栈开发落地实例，不管是前端学习 Tauri 桌面开发、Rust 入门、Ollama 本地大模型落地，还是需要私密记账工具，都可下载源码参考使用。项目持续维护，有用欢迎 Star 收藏，遇到编译部署问题评论区留言。