DriftLedger/docs/账户分类模型测试.md

硅基流动与智谱 AI 账单 OCR、JSON 提取及 AI 账户自动分类实测报告

本报告针对测试图片（20260725-142945.jpg 信用卡账单截图），对 硅基流动 (SiliconFlow) 与 智谱 AI (BigModel.cn) 平台的视觉大模型、OCR 引擎、免费文本大模型及向量 Embedding 模型进行了全流程实测基准对比。

---

目录

1. 测试结论与终极选型建议
2. 实测性能对比总表
3. 硅基流动 (SiliconFlow) 平台测试详解
4. 智谱 AI (BigModel.cn) 平台测试详解
5. 免费模型配额与 Rate Limits 规则
6. DriftLedger (浮记) 架构与账户分配流程
7. AI 账户自动分类实测 (免费 LLM vs 路径 B 向量检索)

---

一、 测试结论与终极选型建议

Tip

最佳单 API 识图直出方案：智谱 glm-4v-flash

• 耗时仅 3.22 秒，单次 API 请求即可直接输出包含商户、金额、日期、卡号、原币的完美 JSON，且 100% 免费。

Important

最佳双阶段识图流水线方案：硅基流动 DeepSeek-OCR + THUDM/GLM-4-9B-0414

• 总耗时仅 4.36 秒（阶段一 OCR 1.17s + 阶段二 文本提 JSON 3.19s），全免费，OCR 文字识别准确率 100%。

Note

最佳 AI 账户自动分类方案：智谱 glm-4-flash-250414 (免费 LLM) / 硅基 BAAI/bge-m3 (向量路径 B)

• 免费 LLM 直选 (glm-4-flash-250414)：耗时仅 2.22 秒，100% 精确推导出 Liabilities:CreditCard:CMB:3315 与 Expenses:Software:Subscription。
• 向量路径 B (bge-m3)：耗时仅 0.32 秒 (320 毫秒)，亚秒级定位匹配目标卡片。

---

二、 实测性能对比总表

测试图片：20260725-142945.jpg（招商银行信用卡消费通知，含商户 GOOGLE *ChatGPT，金额 ¥143.97，信用卡 3315，原币 21.19，时间 2026-07-23 00:00:00）。

阶段 / 任务	平台	模型 / 组合名称	架构类型	阶段耗时	总耗时	提取准确度与 JSON 质量	资费类型
识图 JSON 提取	智谱 AI	glm-4v-flash	单阶段 VLM	-	3.22s	100% 完美 (提取极精准，结构清晰)	100% 免费
识图 JSON 提取	硅基流动	DeepSeek-OCR + GLM-4-9B-0414	双阶段流水线	1.17s + 3.19s	4.36s	100% 准确 (结构化规范，无幻觉)	100% 免费
识图 JSON 提取	硅基流动	DeepSeek-OCR + DeepSeek-V3	双阶段流水线	1.17s + 4.22s	5.39s	智能推导 (自动补全原币单位 USD)	低成本 (~0.0008分/次)
识图 JSON 提取	智谱 AI	glm-4.1v-thinking-flash	思维链 VLM	-	7.03s	带有 <think> 推理链，易超长截断	100% 免费
账户智能分类	智谱 AI	glm-4-flash-250414	免费 LLM 分类	-	2.22s	100% 精确 (同时给出资金与支出账户及理由)	100% 免费
账户智能分类	硅基流动	THUDM/GLM-4-9B-0414	免费 LLM 分类	-	3.45s	100% 精确	100% 免费
账户智能分类	硅基流动	BAAI/bge-m3	向量路径 B 检索	-	0.32s	亚秒级最快 (Top 1 相似度 0.5662 精准命中)	100% 免费

---

三、 硅基流动 (SiliconFlow) 平台测试详解

1. deepseek-ai/DeepSeek-OCR

• 定位：端到端纯文档/图片至 Markdown 识别模型。
• 优点：速度极快（1.17s ~ 1.48s），完美还原表格与富文本结构。
• 限制：不支持通用大语言模型的指令遵循（无法直接提示词输出 JSON，强制开启 json_object 会陷入空格生成死循环）。

2. PaddlePaddle/PaddleOCR-VL-1.5

• 定位：带坐标识别的文档/版面分析大模型。
• 缺点：缺少张量并行加速，单次生成生成耗时高达 60~110 秒，输出结果混杂大量的点位 Token。

3. 双阶段流水线提取结果（实际返回 JSON）

{
  "occurredAt": "2026-07-23 00:00:00",
  "amount": 143.97,
  "currency": "CNY",
  "direction": "expense",
  "counterparty": "GOOGLE *ChatGPT",
  "memo": "信用卡尾号: 3315, 原币金额: 21.19 USD"
}

---

四、 智谱 AI (BigModel.cn) 平台测试详解

1. 智谱免费 Flash 模型分类与特性

• glm-4v-flash：智谱基础免费视觉模型，实测表现最稳定、速度最快 (3.22s)，原生支持 json_object。
• glm-4.6v-flash：最新轻量多模态模型，支持原生工具调用（Tool Calling），但免费接口频控较严（并发时易触发 HTTP 429）。
• glm-4.1v-thinking-flash：具备 Thinking 思维链机制，回答前会在 <think> 中展开多步骤思考逻辑。
• glm-4-flash-250414：纯文本/代码轻量旗舰模型，适合放在双阶段流水线的 Stage 2 以及账户分类。
• CogView-3-Flash / CogVideoX-Flash：分别用于文生图与视频生成。

2. glm-4v-flash 实测输出数据

{
  "occurredAt": "2026-07-23 00:00:00",
  "amount": 143.97,
  "currency": "CNY",
  "direction": "expense",
  "counterparty": "GOOGLE *ChatGPT",
  "memo": {
    "card_last_4_digits": "3315",
    "original_amount": 21.19,
    "country_or_region": "美国"
  }
}

---

五、 免费模型配额与 Rate Limits 规则

1. 硅基流动 (SiliconFlow)

• 门槛：需完成账户实名认证。
• 配额：
  • RPM (Requests Per Minute)：100 ~ 1,000 RPM（中小模型 500~1000 RPM）。
  • TPM (Tokens Per Minute)：50,000 ~ 100,000 TPM。
• Pro/ 专线：带 Pro/ 前缀的模型（如 Pro/deepseek-ai/DeepSeek-V3）为付费独占集群，无免费版的固定并发上限。

2. 智谱开放平台 (BigModel.cn)

• 免费规则：所有的 Flash 命名系列（GLM-4-Flash、GLM-4V-Flash 等）API 均免费开放。
• 并发控制：对高频连续调用设置了 RPM 阈值（触发时返回 HTTP 429 Too Many Requests），代码中需配置指数退避或 1~2 秒重试间隔。

---

六、 DriftLedger (浮记) 架构与账户分配流程

针对识别结果中“为什么只包含时间、金额、商户名，而没有 Beancount 账户”的说明：

1. 职责解耦设计

识图/OCR 模块只负责提取客观的原始交易事件 (ImportedEvent)，定义于 types.ts。由于每个用户的 Beancount 账户名（如 Assets:招商银行:信用卡3315）是高度个性化的，模型无法预知用户本地账本结构。

2. 账本账户决定流程

账户映射是在 BillPipeline 责任链 中完成的：

[账单截图]
    │
    ▼ 1. 图像解析 (AiVisionProcessor.ts)
[ImportedEvent] ─── (仅含时间、金额、商户 GOOGLE *ChatGPT、备注 3315)
    │
    ▼ 2. 进入流水线 BillPipeline.process() ─── [billPipeline.ts]
    ├──> ① 转账识别 (recognizeTransfers)
    ├──> ② 批次去重与历史去重 (dedup)
    └──> ③ 规则匹配与账户分类 (rules.ts)
           ├── 匹配商户/卡号 "3315" ──> 资金来源账户 (sourceAccount): Assets:招商银行:信用卡3315
           └── 匹配商户 "GOOGLE *ChatGPT" ──> 支出分类账户 (categoryAccount): Expenses:订阅服务:AI
    │
    ▼ 3. 输出标准交易草稿 (TransactionDraft)
[TransactionDraft] ─── (产生符合 Beancount 规范的两笔双式记账 Postings)

---

七、 AI 账户自动分类实测 (免费 LLM vs 路径 B 向量检索)

实测验证：能否利用 AI 模型根据用户本地的 Beancount 候选账户列表自动完成账户匹配？

1. 实测结果展示

路径 A：免费 LLM 直选（智谱 glm-4-flash-250414，耗时 2.22 秒）

传入 9 个 Beancount 候选账户 + 交易事实，模型 100% 精确返回：

{
  "sourceAccount": "Liabilities:CreditCard:CMB:3315",
  "categoryAccount": "Expenses:Software:Subscription",
  "confidence": "high",
  "reason": "交易备注说明信用卡尾号3315，且根据金额和商户判断为软件订阅支出"
}

路径 B：向量 Embedding 余弦相似度检索（硅基流动 BAAI/bge-m3，耗时 0.32 秒）

将交易文本与账户生成 1024 维向量进行余弦相似度计算，点积耗时 < 1ms：

• Top 1 命中：Liabilities:CreditCard:CMB:3315（相似度 0.5662）
• Top 2 命中：Expenses:Shopping:Digital（相似度 0.5302）

2. 路径 B 的完整实现逻辑拆解

  [导入交易 ImportedEvent]
  商户: GOOGLE *ChatGPT | 备注: 信用卡尾号3315
       │
       ├───> 资金搜索文本 ──> BAAI/bge-m3 ──> 向量对比 ──> 提取最高分: Liabilities:CreditCard:CMB:3315
       │
       └───> 分类搜索文本 ──> BAAI/bge-m3 ──> 向量对比 ──> 提取最高分: Expenses:Software:Subscription

1. 账户隔离与语义增强 (离线缓存)：
   • 将账户拆分为【资金空间 Assets/Liabilities】与【分类空间 Expenses/Income】。
   • 为账号补充别名描述（如 Liabilities:CreditCard:CMB:3315 ➔ "招商银行 信用卡 尾号3315 掌上生活"）。
2. 构建向量索引：使用 BAAI/bge-m3 将所有账户转为向量缓存在本地内存/SQLite 中。
3. 实时查询向量化：收到交易时，分别生成资金查询与分类查询，耗时约 150 毫秒。
4. 双路余弦相似度检索：通过点积公式计算相似度，并提取最高分。
5. 阈值判定与推荐：高分自动填充，低分弹出 Top 3 快捷芯片让用户点选。

---

三、 相关代码位置

• 原始事件类型定义：src/domain/core/types.ts:L31-L38
• 账单流水线责任链：src/domain/pipeline/billPipeline.ts:L94-L180
• 规则分类与账户映射引擎：src/domain/rules/rules.ts:L1-L60
• AI 识图处理器服务：src/services/ocr/AiVisionProcessor.ts