我把银行账单交给了一个小模型

最近我把九个月的银行记录搬进了 myqi，也就是我自己用的私人应用。大约 1,500 笔交易，加了密，只能在我自己的机器上读。页面上能看到流水和几张图表，但没有一个地方说得清这些钱到底花在哪了。

我试过的每一个记账应用，都要我自己动手做这一步，说实话这就是我每一个都没坚持用下去的原因。我不想再多一个地方去分类交易。我想要的是：它把每一笔都看一遍并做出判断，告诉我它有多确定，我不同意的时候记住我说的话。这个要求其实挺具体的，平常那些聊天模型并不是干这件事的合适工具。

另一种 AI

大家熟悉的模型都是写文字的（ChatGPT、Claude、Gemini）。同一个问题问五遍，可能得到五个不同的答案。我最后用的这个，TypeSafe 的 Jev，不一样。它什么都不写。你给它一样东西看，给它划好边界，它从里面选一个答案，再告诉你它有多确定。想自己看看的话，可以去 typesafe.ai。

所谓边界，就是它被允许给出的答案清单，以及每个答案是什么意思。对我的交易来说，是十六个类别，每个类别配一句话说明什么算在里面。杂货指超市。转账指在我自己的账户之间挪钱。Jev 只能从这个清单里选。它编不出第十七个类别，也没法用一段话来回答。要是哪个都不合适，它唯一能说的是“其他”，因为我把这一项也放进了清单。

回来的是它选的那一项，再加一个数字，表示它有多确定。如果一笔明显是超市，数字接近一。如果可能是两三种情况，数字就往下掉，这就是提醒我自己去看一眼的信号。同一笔交易再送一次，得到的还是同样的答案，因为它不是每次从头写，而是在选。

一开始这看起来像是降级。它不能聊天，不能解释自己，也写不了总结。但对于给 1,500 笔交易分类来说，这些都不重要，而这些限制恰恰是它好用的地方。

它给不出清单之外的答案，所以我永远不用去收拾它编出来的东西。它又快又便宜，我可以把每一笔交易都跑一遍，而不是抽样：1,500 笔全部跑完不到六秒，花了几美分。

每个答案还带一个数字，这个数字是 Jev 定的，不是我。这是 Jev 在表达它有多确定。0.96 的意思是“我几乎可以肯定这是超市”。0.5 的意思是“这可能是好几种情况之一”。这些数字我不碰。我唯一决定的是分界线。我定在 0.8：Jev 的数字在 0.8 或以上，我就采用它的答案。低于 0.8，这一笔就进入一个清单，等我自己看。想多看几笔，就把线抬高。更信任它了，就把线放低。

所以，什么时候问、拿到答案之后怎么办，是应用决定的。Jev 只负责回答。正是这个分工，让我放心把自己的钱交给它。

真正用起来

每一笔交易，Jev 拿到五样东西：

• 交易描述
• 金额
• 钱是进来还是出去
• 来自哪家银行
• 日期

它永远看不到账号、账户名和余额。然后它对每一笔回答五个问题：

• 这属于我十六个类别里的哪一个？
• 这是不是我自己账户之间的转账？
• 这是不是一笔固定的周期性支出？
• 这是必需还是想要？
• 这一笔值不值得多看一眼？

第一次运行，1,508 笔交易不到六秒就跑完了。其中 1,144 笔 Jev 很确定，也就是数字在 0.8 以上。117 笔它拿不准，还有 13 笔它标记为“意外”。被标记为意外的那些，是一个从没见过我预算的东西给出的合理提醒：几笔一次性的大额消费，两三笔大额转账，一次旅行。

它拿不准的那 117 笔有一个共同点：描述里没什么信息。有的只是一个支付应用的名字，看不出背后是哪家店。有的是只有一串参考号的转账。我自己看，也看不出来。所以 Jev 不是在这些上面瞎猜。它是把这些交给我，而且交给我的正是该交的那些。在 myqi 里，这些交易会排在“待复核”清单的最前面，我只在这个清单上花时间。剩下的 1,400 笔，我不看。

我是怎么持续改进 Jev 的判断标准的

这是我最在意的部分。Jev 不会自己学习。它依据的是一套由我掌控的判断标准：十六条类别定义，加上我在每一笔交易上给过的所有答案。Jev 判断错了，解决办法从来不是“训练模型”，而是“把标准写得更清楚”。我有两种办法。

第一种是直接回答某一笔。当我改掉一笔交易的类别，会发生三件事：

1. 这一笔保留我的答案。
2. 同一个商家的其他交易也都改成我的答案，以后新出现的也一样。我只用说一次。
3. 页面会确认。比如“已保存：杂货。该商家的另外 59 笔现在都跟着这个答案。”

这个答案也会加进判断标准。下次 Jev 再看到这个商家的任何一笔，“这家是餐饮”就明明白白写在它依据的东西里。

第二种是改写定义。早期我发现退款被归成了收入，因为我给收入下的定义里写了“退款”。这不是 Jev 的错，它只是照我写的做。我改了一句话，让退款沿用商家原本的类别，然后点“全部重判”。Jev 用新标准把每一笔重新过了一遍，旧答案留着，我能看到哪些变了。

不管哪种方式，Jev 永远只依据最新版本。页面会记分，现在 Jev 和我教过它的东西一致率是 99%。就是这个数字让这件事值得。1,500 笔交易里，我只需要真正花心思看那 1% 确实需要我的。

如果 Jev 判断对了，我想表个态，有一个“没错”按钮，做的是同样三件事，只是不改类别。不管哪种，点一下就处理完整个商家。纠正会在后台排队，所以我可以在手机上一口气过三十笔，不用每一笔都等。

Jev 可以怎么用在企业里

我的银行账单是 1,500 行，一个人在核对。很多企业有的是同一件事的放大版，通常长得像记账。有人每周花好几个小时把订单、数量、发货录进表格，不是因为录入本身有什么用，而是因为只有这样，对不上的时候才能发现。大多数时候什么问题都没有，你做了那么多工作，就为了那几行有问题的。

拿一家小型服装厂来说。订单通过邮件进来。有人把它录进在制品表，做一张裁剪单，交给裁剪厂。裁剪厂送回一份实际裁剪报告。有人把报告和裁剪单对一遍，更新数量，给缝制厂开采购单，再记录发了什么货。同样的数字要录进五六个表格，就为了对不上的时候总有人能发现。

这里的每一次核对，都是一个只有几个备选答案的问题：

• 这封邮件是新订单、改单，还是取消？
• 裁剪报告上的这一行，属不属于这张裁剪单？
• 报告的总数和裁剪单对得上吗？对得上、数量不同、尺码不同，还是日期不同。
• 装箱单上的这一箱，对应得上哪一行订单吗？

邮件或报告一到，Jev 就会回答这些问题，并附上一个表示确定程度的数字。它确定的，自动记录。它拿不准的，以及对不上的，进入一个短清单交给老板。老板回答一条，比如“这家裁剪厂一向把尺码分行写，这不算对不上”，这句话就进了判断标准，这家裁剪厂下一份报告就会带着这条来读。什么算对不上，仍然是老板说了算。只是不用再重新录一遍数字，来确认到底有没有对不上。

这对企业意味着什么

我聊过的每一个老板都说同一句话：最希望多一点的东西，是时间。而他们丢掉的时间，大多花在了翻噪音上。录那些本来就没问题的行。读那些本来就对得上的报告。在一堆没问题的东西里找那一个有问题的。

这件事把它反过来了。你跳过那堆干草，直接拿到针。分拣的活模型来做，到你手上的只有那份真正需要做决定的短清单。第一次不对，你改一次，改动进了判断标准，以后所有类似的行都跟着对。清单一周比一周短。

从某个人每周已经在手动做的那一项核对开始。写下他做这件事时真正在问的问题，以及这个问题可能有的几个答案。让模型把所有的都做一遍，你只看它拿不准的那些。然后把省下来的时间，花在真正能推动生意的事上，或者你喜欢的事上。时间本来就是用来干这个的。