Show HN: Auto-Match – How We Built Receipt-to-Transaction Matching (Open Source)
9 months ago
- #automation
- #machine-learning
- #financial-technology
- 手工进行财务对账既繁琐又容易出错。
- 传统系统因现实世界混乱的财务数据（货币差异、日期延迟、商户名称变体）而失效。
- 解决方案：采用嵌入技术实现语义理解的多维度匹配引擎。
- 数据预处理包括商户标准化、法律实体解析和货币规范化。
- 768维向量嵌入捕获语义信息，即使文本表述不同也能实现精准匹配。
- 匹配算法综合评估嵌入相似度（45%）、金额（35%）、货币（15%）和日期（5%）权重，采用自适应逻辑。
- 匹配结果分为自动匹配（置信度95%+）、高置信度（75-95%）和建议匹配（60-75%）三级。
- 学习校准机制根据用户反馈动态调整阈值，持续提升准确率。
- 系统架构采用PostgreSQL与pgvector扩展、谷歌Gemini嵌入模型，Trigger.dev处理后台任务。
- 性能指标：95%+自动匹配准确率、亚秒级响应、跨货币支持、99.9%运行可用性。
- 未来升级方向：增强文档理解能力、预测性匹配功能和先进机器学习模型。