本文是 Hacktoberfest 开源 AI 挑战赛第三周：Slow and Steady 的参赛作品
我做了什么
个人财务常常让人焦虑。
理财对我们的心理影响不小，也占用了大量注意力。
所以我开发了 Slowth Money——一款从容的本地优先的储蓄与财务目标规划桌面应用，借助开源 AI 在公共资源共享和本地隐私数据之间划清界限。
Slowth Money 用各种“懒办法”来减轻理财规划的压力：
- 懒规划——定期检查各银行和金融机构的优惠是否值得一看
- 懒关注——只在真正值得你花时间时才提醒
- 懒数据——公开拉取相关资源，同时把敏感信息留在本地
演示
代码
欢迎在 Github 上查看代码！
随时可以 fork、折腾、提反馈。
比如，你可以试着添加自己国家的数据包，在家里跑起来。
免责声明：这是一个概念验证项目，可能有 bug 和未完成的功能，请勿将其当作理财建议。
无需 Web 部署或云端后端，项目以 Electron 桌面应用的形式在本地运行。
Slowth Money
Slowth Money 是一款主打从容、本地优先的储蓄与目标规划桌面应用。当前 MVP 选择加拿大作为概念验证市场：那里的注册账户体系、公共机构和存款产品，为验证隐私与规划架构提供了具体场景。长期设计上，产品可通过针对不同国家的资料包、服务商适配器、数据模式和界面扩展到其他市场，但目前只实现了加拿大。
Slowth Money 帮你回答四个问题，同时不让个人理财沦为又一个要盯着看的 feed：
- 我的进度正常吗？
- 有什么需要我做的吗？
- 这个收益值不值得我花心思？
- 得出这个结论的依据是什么？
这个黑客松 MVP 以 Electron 应用的形式运行在 macOS 上，将私密财务档案加密存储在本地，用确定性的 TypeScript 完成财务计算，只在语言推理真正带来价值时，才通过本地 Ollama 调用开放权重模型。
互联网知道市面上有哪些金融产品。
本地模型知道你的财务状况。
两者都……
我是如何构建的
Slowth Money 以本地桌面应用的形式运行。
- Electron for the desktop application
- React + TypeScript for the interface
- SQLite for local persistence
- Ollama for local model inference
- Gemma 3 12B as the open-weight model
- SerpApi for public web discovery
- deterministic TypeScript code for financial calculations
- native desktop notifications
我的运行环境是Apple M4，内存24 GB。
这个项目的核心是一条刻意设计的隐私边界：
互联网上能查到最新的金融产品信息，而本地模型掌握我的个人财务状况。后者默认不需要让任何外部服务知道。
举几个例子，以下内容会进入我的私有上下文：
- 薪水
- 存款
- 负债
- 理财目标
- 家庭计划
- 账户余额
公开上下文里则包括：
- 促销利率
- 手续费
- 金融项目
- 缴费规则
- 金融科普内容
构建这个项目时，我做的关键技术设计决策包括：
- 为数据附加信任评分
推荐系统会依据这个信任评分来筛选RAG上下文。
SOURCE TRUST
Government 1.00
Regulator 1.00
Financial institution 0.95
Established aggregator 0.75
Financial publication 0.70
General website 0.40
Forum / social media 0.20
- 按可配置的规则定期获取数据
Agent 应该多久检查一次？
App launches
↓
Market data older than 7 days?
│
YES│
▼
Refresh
Country rules older than 30 days?
│
YES│
▼
Refresh
Anything changed?
│
YES│
▼
Load Gemma
- 能用确定性代码的地方就不用 AI
大部分金融计算根本不需要大模型，所以我用普通代码来处理。
像利息、手续费、储蓄预估这类计算，都交给应用代码完成。
只有需要语言理解或推理时，才会调用本地模型。
- 为金融数据源做适配器
这些适配器支持多个数据源，并把结果统一成标准格式。
没有这层适配，抓取会很不稳定——银行网站的 HTML 说变就变，页面结构也常调整，想做一个通用的金融网站爬虫几乎不可能。
- 细粒度的通知
应用可以配置成只推送超过"财务机会懒惰阈值"的机会。也就是说，这个优惠利率得带来多大好处，才值得发通知打扰我。
开放式创新为什么重要？
隐私可控
这个项目让我重新思考如何利用开放权重模型来划定敏感信息的隐私边界——对我来说就是个人财务数据。
我还能更深入地审查模型推理过程中的每一步。
更低的资源消耗
这也让我想到要减少 AI 使用上的浪费，只在固定周期跑一次推理来跟踪目标进度。你的 AI 模型也该有偷懒的权利！
模型可以离线运行，整个规划过程也更透明、更便于检查。
用开放权重模型，你得更用心地管理资源才能让整套系统正常运转——我认为这种"摩擦"反而是件好事。
更低的成本
以我目前的配置，这个项目基本零成本运行。
不用为每次 AI API 请求付费。
AI 模型可互换
不会被某家公司或某个模型锁定。想换模型？随时可以轻松切换。
懒人的回报
过去一周，我用 Slowth Money 设定了一些理财目标，还实时跟进本地各大金融服务的最新优惠。
使用这款应用时，我几乎不用再操心钱该放在哪儿——因为我知道 Slowth Money 会在后台替我盯着，帮我一步步实现理财目标。
我还希望能自主决定何时被打扰。在这款应用里，我可以设置只有当收益超过某个金额时才收到提醒。我很看重自己的时间，通知必须值得点开。
除了产品本身带来的好处，做这个项目也让我开始反思 AI 的消耗问题。
这其实也是一种不同的“懒人收益”：
- 我不需要随时进行推理
- 我不需要把所有数据都发给最前沿的大模型
- 我不需要让所有 Agent 都活在云端
奖项类别
最佳 Gemma 应用
Gemma 非常适合 Slowth Money：它为我提供了强大的开放权重推理层，同时我的个人财务信息完全不必离开设备。
这个模型能高效完成诸如理解理财目标、结合上下文进行推理、给出实用建议等任务。
它还很省资源——我可以在本地运行模型，同时并行处理其他事务，比如上网浏览、在其他项目上写代码。
最佳 SerpApi 应用
SerpApi 帮我打通了 Gemma 的本地私有推理与金融产品最新公开数据之间的桥梁。
我把它当作公开信息的发现层，用来获取新的理财优惠、当前促销活动，以及受监管金融产品的变动情况。
借助 SerpApi，我既能持续获取最新的公开信息，又能并行保持本地的私有推理。
结语
分享完这个项目，我很想听听你的看法。
你觉得这个隐私模型怎么样？架构设计如何？
有什么功能想要吗？优化建议？设计上的意见？
你在个人理财方面有没有什么好用的工具？
如果你觉得这个想法有意思，不妨在 GitHub 上给仓库加个星标，帮我评估一下社区对后续开发的兴趣。
