本地AI记账工具LedgerPrep Lite：票据整理自动化

小企业主常把收据散落在微信、邮件和相册里，月底整理成会计能用的记录耗时费力。LedgerPrep Lite 是一款本地 AI 驱动的记账准备工具，通过上传发票和收据图片，自动提取关键信息并标记问题，最终导出 CSV，旨在减少记账前的手工劳动，而非替代会计师。

痛点：散落的票据与低效的整理

小企业和独立记账员面临一个共同难题：票据来源分散，格式不一。月底需要人工收集、录入、补全信息，才能交给会计师。这个过程重复且容易出错。LedgerPrep Lite 瞄准的正是这个“记账前”环节，目标是把混乱的收据转化为结构化的记录。

功能：本地 AI 提取与智能标记

用户上传发票或收据图片后，应用会提取卖家名称、发票号码、日期、总金额等字段。除了提取，它还会标记可能的重复发票、缺失信息以及需要核对的总额。用户可以在导出前审查和修正结果，确保数据准确。最终生成组织良好的 CSV，无缝接入现有会计流程。

CSV（逗号分隔值） 是一种纯文本表格格式，每行代表一条记录，字段之间以逗号分隔。它被几乎所有会计软件（如 QuickBooks、Xero）和电子表格工具支持，是数据交换的通用格式。LedgerPrep Lite 选择导出 CSV，而非直接对接某家会计平台，是为了保持工具的中立性和通用性——用户可将生成的 CSV 导入现有记账流程，无需更换会计系统。这也符合项目“减少记账前手工劳动，而非替代会计师”的定位。

技术实现：轻量栈与本地推理

项目采用简单的 Python 技术栈，聚焦单一完整工作流：

• Streamlit：构建上传、审查、下载的界面。
• Ollama + Gemma 3 4B：在本地运行开放权重的语言模型，从图片中提取结构化信息。
• Python：验证数据，标记缺失字段、重复项和算术不一致。
• Pandas：整理记录并导出 CSV。

模型输出不会被自动视为正确。财务信息可能模棱两可，因此用户必须能查看原始文档、修正错误并审查被标记的记录。

Ollama 是一个开源的本地大模型运行框架，支持一键拉取、量化压缩和推理多种开放权重模型，并提供兼容 OpenAI 的 API 接口。它让不具备深度学习工程经验的开发者也能在普通笔记本上运行语言模型，无需 GPU 集群或云服务。在 LedgerPrep Lite 中，Ollama 承担了将 Gemma 3 4B 模型部署到本地的角色，用户只需安装 Ollama 并拉取模型即可开始提取收据信息，这降低了本地 AI 应用的门槛。

Gemma 是 Google 发布的开放权重语言模型系列，基于与 Gemini 同源的技术构建。Gemma 3 4B 指该系列第三代中参数量约 40 亿的小型版本，适合在消费级硬件上运行。虽然 4B 规模模型在复杂推理上不及大型模型，但对于收据字段提取这类结构化信息抽取任务，配合提示词工程和本地算力，已能提供可用的准确率，同时兼顾速度与隐私。

开放创新的价值：隐私与成本控制

财务文档包含敏感信息。将每张收据发送到外部 AI 服务并不总是可取。LedgerPrep Lite 通过本地推理处理文档，无需托管 AI API。开放权重模型还让用户能自由实验不同模型、调整提取流程，而不被单一供应商的 API 定价锁定。开源 AI 在此不仅是技术选择，更是实现更私密、更经济的 AI 辅助记账的途径。

项目在 Hacktoberfest 开源 AI 挑战赛第 2 周提交，并参与“最佳 Gemma 使用”奖项评选。

局限与展望

当前版本聚焦单一工作流，未构建完整会计平台。本地模型在复杂文档上的准确率仍有提升空间，用户审查环节至关重要。未来可探索更多模型适配和自动化校验规则。

LedgerPrep Lite 展示了本地 AI 在垂直场景的实用性：解决具体痛点，尊重数据隐私，保持技术栈轻量。对于饱受票据整理之苦的小企业主，这是一个值得关注的开源方案。