银行流水核对，我把它做成了 Skill

nigo 收录于工作

2026-08-08 约 1141 字预计阅读 3 分钟

银行流水核对，一对一早就解决了，Excel 函数就能干。

真正头疼的是一对多、多对多：几笔流水凑成一笔账，一笔账拆好几笔流水。人工对，半天就过去了。

以前我用效率工具解决过，这次把它改造成了 Skill——文件路径发给 AI，它自己探查格式、写配置、跑脚本，几分钟出核对底稿，匹配率 99%。

核心思路：模拟人类会计的核对顺序。

为什么不能靠凑数

让 AI 按金额组合去凑？一对多、多对多的排列组合是天文数字，电脑算不动。

人类会计是这么核对的：

关键一点：核对必须对交易对手。只看金额没意义——你就是要看这笔钱是不是从正确的客户、供应商那里来的。

序时账尽量带客商信息。银行存款的对方科目是往来科目，往来有辅助核算项（客商），所以给整个序时账，别只留银行存款的行。

有客商匹配率 90%+，没客商的就只是纯金额核对，匹配率大概 50-90%的样子，主要是多对多的能核对上的很少。

把流水和序时账的文件路径发给 AI，说「请帮我将这两个文件进行银行流水核对」。

它会先预检查：格式、列名、银行科目分布、几个账户。比如序时账 12 个账户、流水只有 1 个，它会先问你核对哪个，把该账户的记录筛出来再对——不筛，对出来的大部分都对不上。

多公司、多账户都支持。检查完它自己写配置、跑脚本（核心脚本约 2000 行 Python，经过很多项目检验），最后出底稿。

流水里的对方户名是准确的，但序时账从客商提取的名称不一定规范——多字少字、叫法不一致常见。所以用模糊匹配（RapidFuzz），效率高但可能误报，不一致的仍需人工检查。

想更准？升级成 Embedding 模型：Ollama 本地 900M 模型，或硅基流动免费 API，让 AI 改下代码就行，基本不用人再看交易对手。

脱敏真实数据跑了一遍：金额匹配率 99.1%，条数 97.3%，未匹配 155 条大部分是小额费用，可不管。

底稿是一个 Excel：上面摘要（金额、匹配率），下面明细——匹配状态、匹配编号（同编号是一笔）、匹配类型（1-9 九个维度，数字越小越可信，最后还有 AI 复核）、交易对手一致性（不一致的必须人工核对）。

只读表头前 5 行和表尾几行，其他全由本地代码处理，文件不会上传。

可在通用 AI Agent 工具中使用

以下是个人广告：

我的 AI Agent 课程网址（点击"阅读原文"）：

或者扫描二维码：

大纲和试听也通过上面二维码进入课程查看。

目前是优惠价 899 元，7 月底课程更新完毕后恢复 1299 元。(注：最后几天了)