Smart Expense Categorizer 是一个面向自由职业者和自雇人群的银行交易分类项目,把银行 CSV 中的交易映射到 IRS Schedule C 税务费用类别。项目同时支持 LLM 和关键词规则,强调可测试、可解释和面向报税场景的分类口径。虽然它是个人税务工具,但很适合学习“交易分类必须服务具体业务口径”。 很多交易分类项目只把消费分成餐饮、交通、购物,但金融业务通常需要更具体的分类标准:税务类别、会计科目、预算项目、监管报表项目、授信现金流类别。Smart Expense Categorizer 的价值在于它把分类目标绑定到明确的税务表格口径。
项目主要介绍
Smart Expense Categorizer 是一个面向自由职业者和自雇人群的银行交易分类项目,把银行 CSV 中的交易映射到 IRS Schedule C 税务费用类别。项目同时支持 LLM 和关键词规则,强调可测试、可解释和面向报税场景的分类口径。虽然它是个人税务工具,但很适合学习“交易分类必须服务具体业务口径”。
很多交易分类项目只把消费分成餐饮、交通、购物,但金融业务通常需要更具体的分类标准:税务类别、会计科目、预算项目、监管报表项目、授信现金流类别。Smart Expense Categorizer 的价值在于它把分类目标绑定到明确的税务表格口径。
金融 + AI 核心特点
- 银行交易 CSV 分类。
- LLM 与关键词规则结合,兼顾灵活性和可控性。
- 分类目标是 IRS Schedule C,体现业务口径驱动。
- MIT 协议,适合学习和改造。
可学习内容
这个项目适合学习“规则 + AI”的组合:常见商户和关键词可以用规则快速处理,模糊描述再交给 LLM;分类结果应能解释为什么属于某个类别。银行从业者可以把这个思路迁移到小微流水用途识别、企业费用归类和客户经营分析。
应用方向
- 小微企业费用分类。
- 银行流水现金流分析。
- 税务准备和费用归集。
- 信贷申请中的收入支出结构识别。
风险与局限
税务和会计分类有法律后果,AI 分类不能替代会计或税务顾问。交易描述可能不完整,同一商户可能对应不同用途。真实使用需要人工确认、历史规则沉淀和审计记录。
原始来源与整理依据
文字分析来自内容源;业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径,未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。