如何使用人工智慧自動化我助理的費用追蹤

在實施新系統之前,費用跟蹤過程效率低下且耗時。以下是舊流程的概要:

• Nina 會向 CEO 請求每週交易的截圖。
• CEO 會發送截圖,Nina 必須手動處理。
• Nina 會使用 iOS 或 Mac OS OCR 從截圖中提取文字。
• 然後她會使用預先編寫的 ChatGPT 提示來分類費用並格式化數據。
• 最後,Nina 會手動將每筆費用輸入 Notion 資料庫。

這個過程每週至少需要 Nina 2 個小時才能完成。CEO 並不知道這需要的真正時間投入,以為這是一個更快的任務。

舊系統的主要痛點是手動數據提取、分類和輸入 Notion。這是一個乏味且容易出錯的過程,嚴重影響了 Nina 的生產力和 CEO 對其費用的可見性。

在過去幾個月裡,我革新並簡化了跟蹤我的費用的系統。這個構建的關鍵組件是 GPT Vision 的整合,它允許一個大部分自動化的過程。

新系統的工作原理如下:

1. 我的銀行會自動發送每筆交易的 SMS 通知,我會截圖並發送給我的助理 Nina。
2. Nina 會將截圖上傳到我使用 Voiceflow 創建的 WhatsApp 聊天機器人。這個聊天機器人利用 GPT Vision 從圖像中提取交易詳細信息。
3. 提取的數據然後會自動添加到 Notion 資料庫,在那裡以圖表形式顯示我每月的支出。

新系統大大減少了跟蹤我的費用所需的時間和精力。之前,Nina 每週需要最多 2 個小時手動處理交易。現在,這個過程基本上是自動化的,Nina 只需要上傳截圖並驗證數據。

GPT Vision 的整合是這種簡化方法的關鍵。通過使用自定義的 Voiceflow 功能,我能夠輕鬆地將 OpenAI Vision API 集成到我的 WhatsApp 聊天機器人中,使其能夠從費用截圖中提取必要的信息。

這個項目不僅改善了我的個人財務管理,還展示了如何利用 GPT Vision 等 AI 技術來自動化各種任務。我已經在我的免費在線社區分享了所有使用的模板和資源,歡迎大家查看並複製或改編系統以滿足自己的需求。

這個構建的關鍵在於 GPT Vision 和 WhatsApp 的整合,使用 Voiceflow。它的工作原理如下:

1. 銀行會自動發送每筆交易的 SMS 通知,我會截圖並發送給助理 Nina。
2. Nina 會將截圖上傳到連接 Voiceflow 聊天機器人的 WhatsApp 號碼。
3. Voiceflow 聊天機器人使用 Flowbridge 的自定義功能與 OpenAI Vision API 集成,從圖像中提取交易詳細信息。
4. 提取的數據然後被發送到 Make.com 自動化,將每筆交易作為一行添加到我的 Notion 費用跟蹤器。

Voiceflow 聊天機器人處理整個過程,從接收圖像輸入到分類交易和更新 Notion 資料庫。這簡化了費用跟蹤工作流程,並大大節省了 Nina 相比之前手動處理的時間。

這個構建的關鍵組件包括:

1. Voiceflow: 用於創建 WhatsApp 聊天機器人界面並集成 GPT Vision 功能。
2. Flowbridge: 提供自定義功能,輕鬆將 Voiceflow 連接到 OpenAI Vision API 並處理非文本輸入(如圖像)。
3. Make.com: 自動將提取的交易數據添加到 Notion 費用跟蹤器。

通過利用這些工具,我創建了一個高效和自動化的費用跟蹤系統,減少了助理 Nina 所需的時間和精力。這個項目是一個很好的例子,展示了如何利用自己的好奇心和解決問題的技能來構建 AI 驅動的解決方案,用於個人或商業用途。

這個項目的關鍵要點如下:

• 自動化費用跟蹤可以節省大量時間和精力。新系統利用 GPT Vision 和與 WhatsApp 的集成來簡化這個過程。
• 建立定制的 AI 解決方案來解決個人問題可以帶來有價值的學習經驗和可轉移的技能。
• 追隨自己的好奇心和"抓住自己的需求"是獲得 AI 和其他技術實踐經驗的有效方式。
• 本項目使用的資源和模板,包括 VoiceFlow 模板和 Make.com 自動化,將在創建者的免費在線社區中分享,供他人使用。
• 不斷改進系統,如添加基於類別的費用跟蹤,可以進一步增強解決方案的功能和實用性。
• 該項目展示了如何將 AI 集成到個人工作流程中,以提高生產力和效率。