页面准备好后会自动显示。等待期间仍可使用顶部导航切换。
SEEKINGDAO / FIELD NOTES
从真实业务出发，看清 AI 如何落地。读懂做法、成效与边界，把案例变成自己的判断。
它解决了什么业务问题？用了哪些数据？披露的效果是实绩、试点，还是计划？
THE INDEX
找到 33 条 · 语音／多模态
清除筛选开源社区
TradeMaster 是一个面向量化交易的强化学习开源平台，目标是覆盖强化学习交易算法的设计、实现、评估和部署全流程。项目包含多模态市场数据、数据预处理、市场模拟器、强化学习算法实现、评价指标和用户接口。它更偏学术和研究平台，适合系统学习强化学习交易任务如何被标准化。 相比 FinRL，TradeMaster 更强调“平台化”和“任务基准”。它把不同交易任务、不同算法、不同评价指标放入统一框架中，让研究者可以比较算法效果。这对于学习金融 AI 很重要，因为金融领域很容易只展
强化学习量化平台
开源社区
Banko AI Assistant 是 Cockroach Labs field 团队开源的银行类智能助手示例，展示了 RAG、Agentic AI、多模型供应商、CockroachDB 向量检索、LangGraph 多智能体工作流、持久化 checkpoint、收据 OCR、费用分析和欺诈检测等能力。项目有 PyPI 包和 Docker 相关资源，定位是一个可演示的金融/银行智能助手应用。 这个项目对本仓库很有启发，因为它把多个真实金融 AI 组件放在一起：用户上传或输入
银行支出分析 / RAG / 智能体
开源社区
Parsee AI 是一个面向非结构化文档的数据抽取和结构化框架，由 SimFin 相关团队开源。它主要处理 PDF、HTML、图片等常见文档来源，尤其强调金融领域常见的表格、数字、字段和多模态查询。项目支持用 LLM 做抽取，也支持自定义模型和模板化抽取，不把能力限定在大模型上。这个定位很重要：金融文档里最难的往往不是“总结一段话”，而是把财报、发票、账单、对账单、披露文件里的金额、币种、日期、表格行列、公司名称准确变成结构化数据。 Parsee 的设计思路更接近“金融文档
金融文档结构化 / 表格抽取
开源社区
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
银行流水解析 / LLM 辅助 OCR
开源社区
AIReceiptParser 是一个使用 OCR 和 GPT-4 将收据图片转换成结构化数据的应用。它通过 Tesseract OCR 提取文本，再用大模型把原始 OCR 文本整理成严格 JSON，并提供本地 SQLite 存储、CSV 导出和简洁 Web 界面。项目还提供 mock 测试模式，便于在没有真实 API 调用时调试流程。 虽然它面向个人收据处理，但背后的思路对银行和金融运营很有价值。银行业务里大量票据、凭证、收据、发票、费用单、报销单、POS 小票都需要从图片
票据 OCR / LLM 结构化
开源社区
LlamaOCR 是一个使用 Llama 3.2 Vision 模型处理发票图片并输出结构化表格的项目，目标是帮助会计人员把发票信息转成可进入 ERP 的表格数据。它使用 Streamlit 提供上传和交互界面，强调从图片到表格的端到端体验。 这个项目代表多模态金融 AI 的一个实用方向：过去 OCR 主要识别文字，但发票和票据真正需要的是字段、行项目、金额、税额、供应商、日期和表格结构。视觉语言模型可以直接看图理解布局，但仍需要业务校验和格式约束。
发票 OCR / 多模态模型
开源社区
FinanceDatabase 是一个开源金融标的数据库，收集并整理了股票、ETF、基金、指数、货币、加密资产和货币市场等大量金融工具的基础信息。它的价值不在于预测模型，而在于提供金融 AI 项目经常需要但容易被忽视的“主数据层”。任何涉及资产、证券、指数、行业、交易所、币种的模型，如果没有干净的标的主数据，就很容易出现代码混乱、名称不一致、市场分类不准和历史样本偏差。 在金融机构里，主数据治理是非常基础但非常关键的工作。比如同一家公司可能有普通股、ADR、不同交易所代码、历
金融标的主数据 / 证券基础数据
开源社区
FinMind 是一个开源金融数据平台，主要提供台湾市场相关金融数据，同时也包含部分宏观、汇率、利率、大宗商品等数据。项目提供 Python SDK、API 和示例 notebook，帮助使用者用统一方式获取多类金融时间序列和基本面数据。它很适合放在本批次，因为它不是单纯模型项目，而是金融 AI 项目需要的数据源和数据服务样板。 对于学习金融 AI 的人来说，FinMind 的重要性在于展示“区域市场数据平台”应该怎么组织。金融数据往往具有强烈地区差异：交易所制度不同、字段名
开源金融数据平台 / 台股与宏观数据
开源社区
FinTabNet Benchmark 是 DocLD 发布的金融表格抽取评测项目，用于在 FinTabNet 数据集上评估表格抽取准确率。FinTabNet 是来自 S&P 500 公司 SEC 年报的大规模金融表格数据集，包含复杂表头、合并单元格、层级结构和密集数字。该项目提供数据加载、抽取调用和评分方法，用于复现实验或评估其他表格抽取管道。 金融文档中最难处理的部分之一就是表格。表格不是普通文本，行列结构、表头层级、单位、合并单元格、脚注和跨页都会影响含义。银行做财报解
金融表格抽取评测
开源社区
Financial Document Analyzer 是一个 AI 财务文档抽取平台，支持银行流水、发票和收据等文档上传，并使用 Google Gemini 抽取结构化 JSON。它采用 Next.js、TypeScript、Supabase、Trigger.dev 等现代 Web 技术栈，面向多租户组织和后台处理流程。 这个项目适合补充“金融文档智能”方向。银行和企业财务中有大量半结构化文件：银行对账单、发票、收据、报销凭证、流水清单、结算单。传统 OCR 只能识别文字，
AI 财务文档抽取 / 银行流水与票据结构化
开源社区
sec-parser 是 Alphanome.AI 开源的 SEC EDGAR HTML 文件语义解析器。它的核心功能是将 SEC 公告的 HTML 文件（如 10-K/10-Q）解析为一棵语义元素树（semantic tree），其中每个节点对应文档的一个语义单元——标题、段落、表格、列表等——并标注其层级关系。这种“图像语义分割”概念应用到 HTML 文档的方法，使 LLM/RAG 应用可以按语义而非简单分块来处理 SEC 文件。 传统做法是用 BeautifulSoup
SEC 公告语义树解析 / AI 数据预处理
开源社区
AI Bank Statement Document Automation 是一个围绕银行流水 PDF 自动化处理的开源项目，结合 YOLOv8 布局检测、OCR、LLM 表格抽取、RAG 问答和 AG2 智能体分析。它的目标是把非结构化银行流水文档转换为结构化交易数据，并进一步生成收入支出分类、趋势分析和月度/年度财务报告。 这个项目非常贴近银行业务，因为银行流水、对账单、收入证明、消费记录等文档在零售金融、信贷审批、小微企业贷、反欺诈和个人财务管理中都很常见。传统处理依赖
银行流水 OCR + LLM + RAG + 智能体
内容整理自金融 AI 长期进化实验室。银行用例、开源项目与 Skill 工作流分开展示；商业合作、计划和试点的表述按原分析保留，披露指标不等同于独立审计结果。
业务分类和技术标签按公开规则归纳；同机构不同项目、同名但来源不同的 Skill 独立保留。总览与正文只计一次，相同机构项目或相同上游路径合并并保留来源版本。当前 462 条来源记录，合并 0 条重复记录。
每日检查公开仓库，更新时保留上一版有效内容；如果来源删除已有记录或结构发生变化，暂停覆盖，等待核对。最近检查：2026/11/14（香港时间）。当前来源修订：06778e55 ↗。