Bank Statement Parser 是一个专门解析银行流水和支付文件的开源项目，支持 CAMT、PAIN.001、CSV、OFX/QFX、MT940 以及数字 PDF、扫描 PDF 等格式，并将不同来源统一成 Transaction 交易模型。项目对结构化格式优先采用确定性解析，对 PDF 和扫描件则提供 LLM、OCR、视觉模型等回退方案。这种“确定性规则优先，AI 兜底处理复杂非结构化材料”的架构非常符合金融业务实际。

银行流水是金融 AI 很核心但经常被低估的数据对象。流水里包含交易时间、金额、对手方、摘要、余额、币种、渠道、用途等信息，既可以用于客户经营，也可以用于信贷风控、反欺诈、反洗钱、资金流分析和财务自动化。这个项目的价值在于它不是只做简单 CSV 读取，而是考虑了多国银行常见格式和扫描件现实问题。

• 支持多种银行流水和支付报文格式，覆盖结构化文件和非结构化 PDF。
• 结构化格式走确定性解析，PDF/扫描件可用 LLM、OCR、视觉模型补充。
• 输出统一 Transaction 模型，有利于后续分类、风控、现金流分析和报表生成。
• 强调可审计和本地处理，适合对隐私敏感的财务/银行场景。

这个项目适合学习银行数据接入的第一公里：不同银行、不同系统、不同报文标准之间如何统一字段；为什么流水解析必须做余额校验、去重、分类和人工复核；为什么不能直接把扫描件交给模型生成结论。对银行从业者来说，它能帮助理解“交易数据标准化”是很多 AI 应用的前置条件。

• 小微企业流水分析和现金流画像。
• 贷款申请材料中的银行流水解析和核验。
• 财务自动化中的收付款对账。
• 反欺诈/反洗钱中的交易明细标准化。
• 个人或企业支出分类、预算分析、财税整理。

银行流水包含高度敏感的个人和企业财务信息，真实应用必须本地化或在合规环境中处理。LLM 解析 PDF 时可能错读金额、小数点、币种或交易方向。用于信贷或合规时，必须保留原始文件、解析日志、字段置信度、余额一致性校验和人工复核记录。