个人构建的 AI 财务顾问系统如何整合多源账户并处理跨境税务

作者 shashu10 在离开 Google 后，利用 GPT-6 Astra、Claude Opus 5.5 等模型结合本地代码执行能力，构建了一套运行在个人笔记本电脑上的 AI 财务顾问系统，成功将债务削减约 70%。该系统并非依赖单一 SaaS 应用，而是通过七个开源技能（Skills）模块，实现了从多平台账户数据聚合、杠杆追踪到复杂税务模拟的全流程自动化，核心在于将决策权保留在用户手中，仅由 AI 提供分析建议。

技术实现上，系统采用分层架构：首先通过 Codex 或 Claude Code 调用计算机使用能力（Computer Use）和 MCP 接口（如 Robinhood 官方服务器、Interactive Brokers API），以只读方式从十几个不同金融机构拉取交易历史并清洗重复数据，最终生成包含持仓、成本基础及债务信息的 ledger.json 文件；其次，利用 facts.json 存储用户税务身份等固定事实，rules.json 设定风险限额，确保所有分析基于统一且受控的上下文。针对高难度任务，系统混合使用推理型大模型（Opus 5.5/GPT-6 Astra）进行深度分析和辩论，以及快速模型（Gemini 3.8 Flash）处理简单汇总，有效解决了 Flash 版本在金融数字计算中的幻觉问题。此外，系统还集成了 TradingAgents 进行多空观点辩论，并通过 finance-memory 技能记录确认过的决策，形成可追溯的行为日志。

该方案揭示了当前 AI 在个人理财领域的真实能力边界：通用应用擅长预算和支出追踪，但在处理保证金、跨年度税务优化及跨境资产规划等复杂场景时存在明显短板。作者指出，AI 的核心价值不在于直接交易（目前仍不可靠），而在于行为引导和税务筹划，这需要比单一 App 更完整的用户画像。尽管存在数据隐私风险和黑客攻击隐患，但通过本地部署和严格的规则限制，用户可以低成本获得原本需付费的专业级财务规划服务。文中提供的 GitHub 仓库 shashu10/personal-finance-skills 允许开发者自行部署这套逻辑，而非仅仅消费黑盒服务。