两天,从零做出一个只属于你的AI记账助手

🌟 点个关注不迷路，「瓴易」带你探索 AI 工具 de 无限可能！

我有一个坏习惯：每次花了钱都想着「等会儿记」，然后月底翻账单一脸懵——好几笔消费完全想不起来花在哪了。

市面上的记账App我试过不少，但它们都有一个共同问题：需要我主动打开App，走完一套操作流程。打开→点记账→选分类→填金额→写备注→保存，至少5步。对于日常几十块的小额消费，这个成本太高了。

作为一个每天都在跟AI Agent打交道的人，我想到一个方案：既然我每天都在跟AI聊天，为什么不直接让AI帮我记账？

📎 关注「瓴易」公众号，回复「记账设计」，获取完整的需求分析文档和产品设计稿（DESIGN_FINAL.md）

说干就干。我决定开发一个记账MCP服务，让AI Agent具备记账能力。但开发之前，我需要先把需求想清楚——这次，我让AI来帮我做需求分析。

MCP是什么？为什么选它？

先解释一下MCP（Model Context Protocol）。这是Anthropic提出的一个标准协议，简单说就是给AI Agent装上「手」——让它不只是能聊天，还能调用外部工具、读写数据。

选MCP有几个原因：

传统记账App的流程：

打开App → 点记账 → 选分类 → 输金额 → 写备注 → 保存

有了MCP后，有两种方式：

方式一：文字记账

对AI说："午饭35" → AI调用MCP工具 → 自动记入「餐饮」分类 → 完成

方式二：截图记账

把小票截图发给AI → 自动识别金额、商家、日期 → 记入对应分类 → 小票存档

从5步变成1步，甚至0步——截图就完事了。记账从「任务」变成了「聊天中顺便完成的事」。

用AI做需求分析：superpowers技能

需求分析这件事，听起来简单，但要做好其实不容易。要考虑功能边界、用户场景、数据模型、异常处理……

我用OpenCode启动了superpowers技能，跟AI来了一场头脑风暴。

我给它描述了我的核心需求：

我要做一个家庭记账MCP服务，部署在NAS上，全家人的AI Agent都能对接，数据互相隔离。

AI没有急着给方案，而是先反问了我几个问题：

1. 1. 谁来用？ → 一家人，每个人用自己的AI Agent
2. 2. 记什么？ → 日常收支，需要分类管理
3. 3. 要不要小票？ → 要，支持图片附件
4. 4. 数据安全？ → 全部本地存储，不出家门

这些问题帮我理清了边界。然后AI开始系统性地拆解功能模块。

功能拆解：从用户视角出发

AI帮我梳理出四大功能模块：

1. 用户管理

• • 家庭成员注册，每人一个独立账户
• • 数据严格隔离，互相看不到对方的账目
• • 用户ID支持脱敏显示（隐私保护）

2. 记账核心

• • 支出和收入两种记录类型
• • 自动识别分类（「午饭35」→ 餐饮类支出）
• • 支持备注和自定义日期（补记过去的消费）
• • 支持编辑和删除

3. 分类系统

• • 系统预设15个支出分类 + 7个收入分类
• • 支持自定义分类（比如「快递」「宠物医疗」）
• • 分类可以停用/启用，但系统默认分类不可删除

4. 统计查询

• • 按月/按年/自定义时间范围的收支汇总
• • 按分类的支出排行
• • 关键词搜索记录

这四个模块覆盖了日常记账的核心需求，不多不少。

数据模型：AI给出的设计方案

功能确定后，AI自动生成了数据模型设计。核心是四张表：

User（用户）：存储家庭成员信息，UUID作为唯一标识

Record（记录）：每条记账记录，关联用户和分类，包含金额、日期、备注

Category（分类）：支持系统默认（所有人共享）和用户自定义两种类型

Image（图片）：账单小票等附件，关联到具体记录

AI特别考虑了几个边界情况：

• • 分类删除保护：如果某个分类下还有记录，禁止删除（外键RESTRICT约束）
• • 图片级联删除：删除记录时自动清理关联的图片文件
• • 金额精度：使用Decimal(12,2)存储，避免浮点数精度问题

部署架构

对于部署方案，AI根据我的使用场景（家庭NAS）给出了推荐：

[手机/电脑上的AI Agent] --HTTP--> [NAS: MCP Server + 数据库 + 图片存储]

选HTTP传输而不是stdio的原因：

• • NAS 7×24运行，服务始终可用，不需要每次冷启动
• • 天然支持多设备同时连接
• • 数据库和图片在NAS本地，读写高效

安全设计

家庭财务数据，安全是底线。AI在需求分析阶段就提出了安全要求：

• • 数据隔离：所有查询强制带user_id，防止越权
• • UUID v4：主键用随机UUID，不可预测
• • 输入校验：所有UUID参数格式校验，防止数据库异常
• • 图片安全：MIME白名单（jpg/png/webp），10MB限制，UUID重命名存储
• • 本地部署：数据不出家门

头脑风暴的产出

一轮头脑风暴下来，我拿到了：

• • ✅ 清晰的功能边界（四大模块）
• • ✅ 完整的数据模型（四张表 + 关系定义）
• • ✅ 部署架构方案（NAS + HTTP）
• • ✅ 安全设计要求（数据隔离 + 输入校验）
• • ✅ 异常处理策略（分类删除保护、级联清理）

整个过程大概一个小时。如果是传统方式，光是写需求文档+画ER图+讨论架构，至少要半天。更关键的是——不需要设计花里胡哨的UI。传统记账App一半以上的开发成本都花在前端界面上，而用AI Agent作为交互入口，用户界面就是聊天框，直接省掉了。

这就是用AI做需求分析的优势：它不会漏掉边界条件，会主动考虑安全和异常场景，而且讨论效率极高——你只需要回答问题，它负责系统化地组织输出。

有了清晰的设计方案，下一步就是编码实现了。下一篇文章我会分享：如何用两个大模型协作开发——GLM-5.1写代码，MiniMax-M2.7做代码审查，一个负责「快」，一个负责「稳」。

📚 往期推荐

未来软件的形态：当 Agent 成为入口

你家有个”数字管家”吗？聊聊NAS这个神器

OpenClaw 从聊天工具到AI Agent平台：5个核心变化

OpenClaw 实用 Skill 推荐：让你的 AI 助手能力翻倍

OpenClaw 免费助手/工具（1）：SearXNG，一个属于你自己的搜索引擎

觉得有用？点个「❤」让更多人看到 👇