夜雨聆风大家好，我是龙宝，用AI管理财富，打造普通人的财富操作系统，原创第4篇
为了给 AI 财富助手接入真正的 AI，我连续做了 4 步，却一次都没调用大模型
最近，我一直在继续开发自己的 AI 财富助手。
这个产品的目标很简单：
每天 3 分钟，看懂自己的财富。
前面已经把资产、目标、现金流、财富报告、AI 对话等基础功能做出来了。
接下来最重要的事情，当然就是：
接入真正的大模型。
我原本以为，这件事情应该很简单。
申请一个 API。
写一个 Prompt。
把用户的问题发过去。
拿到回答。
显示在小程序里。
结束。
但真正开始做以后，我发现完全不是这么回事。
如果只是做一个 AI Demo，这样当然可以。
但如果真的想做一个给普通人长期使用的财富产品，这样做远远不够。
因为这里面涉及一个非常重要的问题：
你敢不敢把自己的全部财富数据，直接扔给一个大模型？
反正我不敢。
所以最近这段时间，我连续做了 4 个开发阶段。
有意思的是：
这 4 步全部都在为 AI 做准备，但我一次真正的大模型 API 都没有调用。
今天就用大白话聊聊，我到底在折腾什么。
一、第一件事：先让 AI 知道“你有多少钱”
想让 AI 分析财富，第一步当然是给它数据。
但问题来了。
现在小程序里的数据非常多。
有：
资产。
现金流。
财富目标。
财富健康分。
资产配置。
目标进度。
财富报告。
各种规则分析结果。
这些数据原来是分散在不同模块里的。
如果直接让 AI 自己到处找数据，后面一定会越来越乱。
所以第一步，我没有接 AI。
而是先做了一件看起来很“不 AI”的事情：
把所有财富数据整理成一份统一的“财富档案”。
我给它起了一个名字：
WealthContext。
翻译成人话就是：
给 AI 看的个人财富说明书。
二、这份“财富说明书”里有什么？
比如一个用户现在有：
总资产 100 万。
现金 20 万。
基金 40 万。
股票 30 万。
黄金 10 万。
每个月收入 2 万。
支出 1.2 万。
每个月能剩 8000 元。
还有一个 300 万的买房目标。
程序会先把这些数据整理好。
告诉 AI：
你的总资产是多少。
现金占多少。
股票占多少。
基金占多少。
储蓄率是多少。
最大的单项资产占多少。
财富目标完成了多少。
目前有哪些需要关注的问题。
也就是说。
AI 拿到的不是一堆乱七八糟的原始数据。
而是一份已经整理好的：
个人财富快照。
三、为什么不直接让 AI 自己算？
这是我这次开发过程中想明白的第一件事情。
比如：
100 万总资产。
20 万现金。
那么现金占比就是 20%。
这种事情根本没必要让大模型计算。
程序算得：
更快。
更便宜。
更稳定。
也更准确。
再比如：
储蓄率。
收益率。
资产占比。
财富目标完成率。
目标还差多少钱。
这些全部都应该由程序计算。
所以我现在给这个产品定了一条非常重要的原则：
程序负责算清楚，AI 负责讲明白。
以后不管换什么模型，这个原则都不会变。
AI 不负责决定你的净资产到底是 53 万还是 55 万。
这个数字必须由程序确定。
AI真正要做的是告诉你：
为什么这个月净资产发生了变化？
为什么你的财富目标提前了？
为什么当前现金比例值得关注？
为什么你的资产可能比较集中？
这才是 AI 真正擅长的事情。
四、第二个问题，比 AI 准不准确更重要：隐私
做普通 AI 工具的时候，大家可能不会特别在意这个问题。
比如你让 AI：
写一篇文章。
写一封邮件。
想一个标题。
问题不大。
但是财富助手完全不一样。
因为里面的数据可能包括：
你的收入。
你的资产。
你的房子。
你的股票。
你的基金。
你的现金。
甚至你未来准备多少钱退休。
这些都是非常私人的数据。
所以我给自己定的第二条原则是：
AI 不需要知道的东西，就不要发给 AI。
五、比如，AI 根本不需要知道你在哪家银行存钱
假设你录入了一张银行卡：
招商银行工资卡：10 万元。
AI 真正需要知道的是：
你有 10 万元现金类资产。
它根本不需要知道：
这是招商银行。
这是工资卡。
更不需要知道：
银行卡号是多少。
所以在发送给 AI 之前。
系统会先把这些东西匿名化。
比如：
招商银行工资卡
变成：
现金资产 A
证券账户也是一样。
房产也是一样。
财富目标也一样。
比如你写：
“给女儿小雨准备大学学费。”
这种内容可能包含个人信息。
真正交给 AI 的时候，可以变成：
教育目标 A。
AI照样可以分析。
但不需要知道“小雨”是谁。
六、还有一些东西，我干脆不让它进入 AI 系统
比如：
真实姓名。
手机号。
身份证号。
银行卡号。
证券账户号。
密码。
验证码。
精确家庭住址。
房产详细地址。
用户自己填写的敏感备注。
这些东西对于财富分析没有价值。
所以最好的处理方式不是：
“想办法让 AI 不泄露。”
而是：
从一开始，就不要让 AI 看到。
这可能是我做这一阶段时最大的一个感受：
隐私保护最好的方式，不是出了问题以后补救，而是一开始就少收、少传。
七、第二步：我开始给 AI 修一条“高速公路”
财富数据整理好以后。
是不是终于可以接大模型了？
还是没有。
因为还有一个问题：
小程序不能直接调用大模型。
最简单的做法当然是：
小程序 → 大模型 API。
但是这样很危险。
API Key 怎么办？
用户一天调用 1000 次怎么办？
有人恶意刷接口怎么办？
AI 返回错误数据怎么办？
模型服务挂了怎么办？
所以第二步，我开始搭一个：
AI Gateway。
翻译成人话就是：
AI 网关。
你可以把它理解成小程序和大模型之间的一道“安检站”。
八、以后所有 AI 请求，都要先经过这道安检
未来用户问：
“我的资产是不是太集中了？”
不会直接发给大模型。
而是：
用户
↓
小程序
↓
AI 网关
↓
大模型
↓
AI 网关
↓
小程序
↓
用户
为什么中间非要多这一层？
因为这里可以做很多事情。
比如：
检查用户有没有同意 AI 分析。
检查数据格式对不对。
检查有没有敏感信息。
检查是不是重复请求。
限制每天调用次数。
记录接口有没有出错。
检查 AI 返回的数据是不是正常。
以后还可以统计每次 AI 调用花了多少钱。
所以：
AI 网关其实是整个 AI 系统的门卫。
九、但第二步我还是没有接真正的大模型
这次我做了一个 Mock AI。
也就是：
假的 AI。
它不会真正调用任何大模型。
但会假装自己是 AI。
比如用户问：
我的现金安全吗？
它会读取已经整理好的财富数据。
然后按照固定格式返回：
结论
数据依据
需要关注的问题
数据限制
免责声明
为什么我要做这么一个看起来很“傻”的东西？
因为我要先确认：
整个数据链路到底能不能跑通。
如果现在直接接大模型。
出了问题以后，你根本不知道到底是：
数据错了。
网络错了。
Prompt 错了。
模型错了。
还是页面错了。
所以先用假的 AI。
把其他所有东西测试好。
最后再换成真的。
十、第三步：把 AI 网关搬到微信云端
第二步跑通以后。
AI 网关其实还是偏本地测试。
第三步，我开始真正把它放到：
微信云函数。
这一步完成以后，整个链路变成：
小程序
↓
微信云函数
↓
AI 网关
↓
Mock AI
↓
返回分析结果
虽然最后还是一个“假 AI”。
但是前面的所有东西：
都已经是真的了。
网络是真的。
云函数是真的。
身份识别是真的。
请求是真的。
超时处理是真的。
错误处理是真的。
限流是真的。
数据脱敏也是真的。
这意味着：
AI 的基础设施已经开始真正跑起来了。
十一、我还专门考虑了一个问题：如果 AI 挂了怎么办？
我不希望以后出现这种情况：
大模型接口一挂。
整个财富助手就废了。
所以之前做好的：
本地规则版财富教练
我一直没有删除。
以后正常情况下：
本地程序计算
↓
AI 深度解释
但是如果 AI 出问题：
AI 调用失败
↓
自动回退
↓
本地财富分析继续工作
也就是说：
AI 可以让这个产品变聪明。
但不能让这个产品离开 AI 就不能用了。
我觉得这对一个真正的产品非常重要。
十二、做到这里，我又发现一个新问题：到底应该怎么跟 AI 说话？
这就是第四步。
Prompt。
很多人接 AI 的第一反应可能是写一句：
“你是一名专业财富顾问，请根据以下数据帮助用户分析……”
然后后面拼上用户数据。
一开始我也觉得差不多。
但真正做产品以后，我发现：
完全不够。
因为我的 AI 以后至少要干这些事情：
财富问答。
财富体检。
资产分析。
现金流分析。
目标分析。
财富月报。
每个场景的任务完全不一样。
如果全部塞进一个超级 Prompt。
以后一定越来越乱。
十三、所以我又做了一套 Prompt System
翻译成人话就是：
专门管理“怎么跟 AI 说话”的系统。
比如：
用户问资产问题。
用资产分析 Prompt。
用户问退休目标。
用目标分析 Prompt。
用户做财富体检。
用财富体检 Prompt。
生成月报。
用财富月报 Prompt。
但是所有 Prompt 又共同遵守一套规则。
比如：
不能编造用户不存在的数据。
不能自己修改程序已经计算好的数字。
不能推荐具体股票和基金。
不能告诉用户买入或者卖出。
不能承诺收益。
不能预测市场一定上涨或者下跌。
数据不足的时候必须明确告诉用户：
“根据当前数据无法判断。”
十四、我甚至开始给 Prompt 加版本号
比如：
wealth_chat@1.0.0
以后修改以后：
wealth_chat@1.1.0
为什么要这么麻烦？
因为以后如果用户说：
“为什么今天 AI 回答跟昨天不一样？”
至少我可以知道：
昨天用了什么 Prompt。
今天用了什么 Prompt。
以后还可以比较：
哪个版本回答更好？
哪个版本成本更低？
哪个版本用户更喜欢？
这时候 Prompt 就不再是一段随手写的文字。
而真正变成了：
产品的一部分。
十五、做到第四步，我居然还是没有接大模型
这件事情现在回头看，我自己都觉得挺有意思。
我明明是在开发：
AI 财富助手。
但是连续做了四个阶段：
第一步
建立统一的财富数据。
第二步
建立 AI 网关。
第三步
跑通微信云函数。
第四步
建立 Prompt 系统。
做到这里。
一次真正的大模型 API 都还没有调用。
但我反而觉得：
现在距离真正的 AI 财富助手，比一开始直接接一个 API 更近了。
因为地基已经开始搭起来了。
十六、为什么我没有急着接 DeepSeek、OpenAI 或其他模型？
因为现在大模型变化真的太快了。
今天这个模型强。
过几个月可能另外一个模型更好。
价格也一直在变。
所以我不希望这个产品从第一天开始就和某一家模型绑死。
以后理想的状态应该是：
简单问题。
用便宜、速度快的模型。
复杂财富分析。
用更强的模型。
生成年度财富报告。
可以用推理能力更好的模型。
甚至以后可以根据：
价格。
速度。
稳定性。
回答质量。
自动选择模型。
所以真正重要的不是：
“我用了哪个 AI？”
而是：
“无论底层换成哪个 AI，我的产品都能正常工作。”
十七、现在整个产品的 AI 架构越来越清楚了
现在我脑子里的最终结构大概是这样的：
用户的财富数据
↓
程序计算
↓
生成财富上下文
↓
数据裁剪
↓
隐私脱敏
↓
AI 网关
↓
选择对应 Prompt
↓
调用大模型
↓
检查 AI 输出
↓
结构化展示
↓
用户看到财富分析
这里面有一个非常重要的变化。
以前我觉得：
大模型就是 AI 产品。
现在我越来越觉得：
大模型只是 AI 产品里面的一块能力。
真正的 AI 产品，是周围这一整套系统。
十八、那真正的 AI 接进来以后，用户会感受到什么？
其实用户完全不需要知道这些技术细节。
用户看到的应该非常简单。
打开小程序。
直接问：
“我的钱安全吗？”
AI告诉你：
现在现金能覆盖多少个月支出。
资产主要集中在哪里。
当前数据还缺少什么。
你也可以问：
“为什么我这个月财富没怎么增长？”
系统会结合：
收入。
支出。
资产变化。
投资收益。
告诉你可能的原因。
还可以问：
“我的买房目标为什么又延后了？”
AI结合目标进度和现金流告诉你：
最近发生了什么。
以后我最希望用户可以直接问一句：
“我现在最应该关注的财富问题是什么？”
然后 AI 根据这个人自己的数据。
告诉他：
现在最值得关注的三件事。
这才是我想做的东西。
十九、我越来越不想把它做成一个“AI 炒股软件”
这个方向，我现在越来越确定。
它不会告诉你：
明天哪只股票涨。
哪只基金最好。
什么时候抄底。
什么时候清仓。
哪个板块马上起飞。
因为这种东西互联网上已经太多了。
我更想解决另外一个问题：
普通人到底有没有真正看懂自己的财富？
你有多少钱？
钱放在哪里？
每个月能留下多少？
资产是不是太集中？
有没有足够的现金缓冲？
买房目标走到哪里了？
退休还差多远？
今年比去年到底进步了吗？
这些问题看起来没有“明天哪只股票涨”刺激。
但我觉得：
它们可能才真正决定一个普通家庭未来十年、二十年的财富状况。
二十、接下来，终于要真正接入大模型了
前面的地基已经一点点搭起来了。
所以接下来。
终于要开始：
接入真正的大模型。
到时候整个链路会从：
小程序
↓
云函数
↓
AI 网关
↓
Prompt System
↓
Mock AI
变成：
小程序
↓
云函数
↓
AI 网关
↓
Prompt System
↓
真实大模型
真正替换的，其实只有最后一块。
前面的财富数据、隐私、规则、网关、Prompt、错误处理、回退机制。
全部可以继续使用。
这也是为什么：
我宁愿前面慢一点。
写在最后
做这个产品之前。
我以为开发 AI 产品最重要的是：
选一个厉害的大模型。
真正做下来以后。
我的看法慢慢变了。
模型当然重要。
但真正决定一个 AI 产品能不能长期使用的，可能还有：
数据。
隐私。
规则。
Prompt。
稳定性。
用户体验。
以及最重要的一件事：
AI 到底在帮用户解决什么问题？
对这个产品来说。
答案到现在都没有变。
我不是想做一个让普通人每天研究更多金融数据的软件。
恰恰相反。
我希望有一天。
一个普通人早上起来。
打开小程序。
花 3 分钟。
AI 告诉他：
你的财富现在怎么样。
最近发生了什么变化。
距离自己的目标还有多远。
接下来最值得关注什么。
然后关掉小程序。
继续工作。
继续生活。
这就是我想做的：
AI 财富助手。
也是这个产品一直没有改变的一句话：
每天 3 分钟，看懂自己的财富。
下一步。
真正的 AI，要进来了。