当前位置：首页 > news >正文

OpenClaw智能财务助手：千问3.5-35B-A3B-FP8解析银行账单截图生成收支报告

news 2026/5/25 19:00:07

OpenClaw智能财务助手：千问3.5-35B-A3B-FP8解析银行账单截图生成收支报告

1. 为什么需要智能财务助手？

每个月末，我都会面对同样的烦恼——整理银行流水。截图、手动录入、分类统计，这套流程至少要耗费两小时。直到我发现OpenClaw+千问3.5的组合可以自动化这个痛苦的过程。

传统记账软件需要手动输入每笔交易，而现代网银的防爬机制又让自动化脚本难以奏效。OpenClaw的独特价值在于：它能像真人一样操作电脑截图，再通过千问3.5的视觉理解能力，把图片中的交易信息转化为结构化数据。我的实践数据显示，处理50笔交易的时间从45分钟缩短到3分钟，准确率保持在92%以上。

2. 系统搭建实战

2.1 环境准备

我的设备是M1 MacBook Pro，先通过Homebrew完成基础部署：

brew install node@22 npm install -g openclaw@latest openclaw onboard --mode=Advanced

在配置向导中选择千问3.5作为默认模型时，需要特别注意镜像规格。Qwen3.5-35B-A3B-FP8这个版本特别适合财务场景：

FP8精度：在保持模型理解能力的同时，显著降低显存占用
视觉理解：能准确识别截图中的表格、金额、交易方等关键信息
长文本处理：32K上下文窗口足以分析整月流水

2.2 账单处理技能配置

通过ClawHub安装财务专用技能包：

clawhub install finance-helper statement-parser

在~/.openclaw/openclaw.json中添加自定义配置：

{ "skills": { "finance-helper": { "bankMappings": { "招商银行": { "datePattern": "YYYY-MM-DD", "amountColumn": 3 } }, "categoryRules": { "餐饮": ["麦当劳", "星巴克"], "交通": ["滴滴", "地铁"] } } } }

这个配置实现了两个关键功能：

不同银行的账单格式适配
消费类型的自动归类规则

3. 核心工作流剖析

3.1 截图采集阶段

我编写了自动化脚本定时操作网银页面：

// 在OpenClaw技能中定义的截图逻辑 async function captureStatement() { await openBrowser('https://netbank.cmbchina.com'); await typeText('#username', process.env.BANK_USER); await click('#nextBtn'); await screenshot('#transactionTable', { savePath: '~/statements/latest.png' }); }

踩坑记录：

首次运行时因未设置等待时间导致截图不全，添加await wait(3000)解决
部分银行需要鼠标悬停才显示完整交易，需追加hover操作

3.2 视觉解析阶段

千问3.5模型通过以下流程处理截图：

表格检测：定位账单区域
OCR识别：提取文本内容
语义理解：判断交易类型
异常检测：标记大额/非常规交易

# 模型解析输出的数据结构示例 { "transactions": [ { "date": "2024-03-15", "amount": -42.50, "counterparty": "星巴克", "category": "餐饮", "is_abnormal": false } ] }

3.3 数据导出阶段

配置与MoneyWiz的对接只需两步：

在MoneyWiz创建Webhook接收器
设置OpenClaw的输出转发规则：

{ "outputs": { "moneywiz": { "type": "webhook", "url": "https://api.moneywiz.com/webhook", "mapping": { "date": "transaction_date", "amount": "amount" } } } }