PocketLedger：自由职业者的本地AI记账工具

自由职业者一年到头攒下的收据散落在邮箱、相册和钱包里，到了报税季才手忙脚乱地回忆每笔支出对应哪个客户、是否已经入账。开发者 SaikatDash 在 Hacktoberfest 开源 AI 挑战赛第二周提交的 PocketLedger，试图用本地运行的视觉语言模型把这件事自动化，同时把财务数据留在用户自己的电脑上。

产品定位：轻量、私有、一次买断

PocketLedger 面向独立设计师、开发者、摄影师、顾问等单人经营者，定位是重型会计软件和云端收据工具之间的替代品。它的核心流程很短：用户上传收据图片或粘贴收据文本，本地 AI 提取商户、日期、金额、币种、类别和描述，生成一份可编辑草稿；用户核对修正、关联客户或项目、标记为可抵扣业务支出，确认后才写入账本。

除收据录入外，应用还提供可搜索的支出账本、月度支出汇总、类别占比、多币种记录、面向记账师的 CSV 导出，以及 AI 不可用时的纯手工录入。数据存放在本地 SQLite，不需要注册云端账户。作者给出的商业模式是一次性付费的桌面端部署，辅以可选的入门指导和支持服务。

技术栈：标准库 + 本地视觉模型

实现上没有引入复杂框架：Python 标准库负责后端，SQLite 做存储，前端是 HTML、CSS 和原生 JavaScript。收据理解环节通过 Ollama 调用 Qwen2.5-VL 3B，以结构化 JSON schema 约束输出字段，模型返回的草稿填进可编辑表单。

这个组合的实用价值在于部署门槛低——装好 Python、Ollama 和视觉模型后即可本地运行，不需要额外安装 Python 包，也不依赖任何托管的 AI API。收据图片在内存中处理，提取完成后即丢弃，只有用户确认过的字段才落盘。

Ollama 是一个开源的本地大模型运行框架，提供命令行与 HTTP API，能用一条命令拉取并运行 Llama、Qwen、Gemma 等开放权重模型，并自动处理量化格式与硬件加速（CPU、CUDA、Metal）。对开发者而言，它的价值在于把“下载模型—加载权重—提供推理接口”这套流程标准化，应用只需向本地端口发请求即可，不必自己写推理代码。PocketLedger 正是借这一层把视觉模型封装成本地服务。

Qwen2.5-VL 3B 是阿里通义千问^广告团队发布的多模态视觉语言模型，3B 指约 30 亿参数，属于可在消费级笔记本上运行的规模。它能同时接受图像与文本输入，常用于 OCR、图表理解和文档结构化抽取。参数越小的模型在复杂版式、手写体或模糊照片上的识别稳定性越弱，这也解释了产品为何坚持“AI 只出草稿、人工必复核”的交互设计。

结构化 JSON schema 约束输出 指在调用模型时附带一份字段定义（如商户、日期、金额、币种），要求返回符合该结构的 JSON。相比自由文本，这种做法让结果可直接映射到表单字段、便于校验和程序解析，降低后处理成本；但小模型仍可能填错值或漏字段，schema 只保证格式，不保证内容正确。

为什么本地推理是这个产品的关键

收据本身携带大量敏感信息：消费习惯、供应商、时间、有时还包括地址或支付细节。把每张收据都发给云端 AI，既带来隐私顾虑，也意味着按次计费的持续成本。作者在原文中明确把本地开放权重模型作为产品可行性的前提，并列出几项直接收益：图片不出本机、没有按张计费的 API 成本、模型下载后可离线工作、用户可以自行更换兼容的视觉模型、提示词和提取 schema 可修改。

更有意思的是产品对 AI 角色的界定——模型只负责生成草稿，不做不可逆的记账决策，每一笔支出都需要人工确认。这个设计缓解了本地小模型在复杂票据上准确率有限的问题。代价同样存在：用户需要足够的本地存储和硬件来跑模型，AI 结果仍需逐条复核。对以隐私为卖点的工具来说，这个取舍是合理的。

开放权重模型（open-weight model） 指模型参数可公开下载、允许用户在本地或自有服务器上运行和微调的模型，与只能通过厂商 API 访问的闭源模型相对。它让“数据不出本机”成为可能，也使用户可以自行更换模型、修改提示词，把推理成本从按次计费转为一次性硬件投入；代价是用户需自行承担硬件、部署与模型效果波动的责任。

尚未验证的部分

作者坦承还没有完成正式的首位用户试用。下一步计划是观察真实自由职业者用真实收据操作，并测量几个指标：录入一笔支出需要多久、AI 提取结果需要人工修正的频率、客户与项目追踪是否真的有用、CSV 导出能否对接现有的记账流程。这些数据将决定产品重心是继续打磨收据识别，还是转向客户管理和导出环节。

后续迭代方向包括改进复杂版式收据的提取、收据历史与支出编辑、更灵活的客户与项目管理、可选的本地加密存储、更多导出格式，以及引导用户选择兼容本地模型的入门流程。

一点观察

PocketLedger 的价值不在于技术复杂度，而在于把一个常见但被忽视的场景——自由职业者的收据整理——和本地开放权重模型的能力边界对齐了。3B 参数的视觉模型跑在个人电脑上，识别单张收据够用，出错也有人工兜底，成本结构从按次付费变成一次性硬件投入。这类“小而具体”的工具，可能比通用会计软件更贴近单人经营者的实际工作流。项目已在 GitHub 开源，代码仓库为 SaikatDash/sideHustlers。