让 AI 管钱这件事一直有个信任坎，账单喂给云端模型，省事是省事了，心里总不踏实。上周出现在技术社区的 Pulse Local 给了个新解法，记账应用带两个本地小模型，提问在机器上跑，账本一个字节不出门。我读了它的技术博文、模型卡与社区讨论，这个产品最值得聊的其实是它对错误的处理。
它怎么工作
架构是小模型加老办法。导入任意银行的流水文件，任意货币都行，账本功能本身也齐全，月度预算目标、共享消费拆分、商家规则、预算结转、报表对比、现金流与预测都有，预测明确标注为估算，只能回答已导入数据范围内的问题。之后用大白话提问，比如上个月外卖花了多少。一个微调过的六亿参数小模型把问题读成结构化查询，算钱这件事交给代码，模型不经手金额，这一刀切得干净，模型管理解，代码管计算。然后是第二道关，另一个四十亿参数的复核模型把问题再读一遍，两种读法算出来的结果一致才显示数字，不一致就老实回答不确定，不猜。
这套双保险的代价与收益都有数字，全部为开发者自测口径。错误率从五分之一降到四百九十四题错五题，置信上限约百分之二点四，代价是开复核时一个金额答案要等十二到十四秒，复核模型可关闭，关了就回到零点一秒的秒回，且大量问题被转成不确定，答对率掉到五成上下。测试方法也透明，每轮由全新 AI 虚构三个美国家庭、两三百笔交易、五十多道题，独立程序算标准答案，考卷与阅卷分离，成绩可信。换句话说，它宁可承认不会，也不编一个数字，这个取舍在金融场景里是对的，编造的账目比空白账目危险一个量级，前者会误导决策，后者只是让人再算一遍。
隐私口径写在明处。免账号，账本与提问留在本机磁盘，模型下载后可完全离线，仅有的网络请求是模型下载与可关闭的版本检查。免费提供，可选的联网同步档每年二十九美元，走美国银行接口，交易数据过服务器内存不落盘。
社区怎么看
讨论区的交锋有质量，三十多分的热度不算爆，但每条评论都有信息量，这种小而精的讨论串比百楼灌水帖可贵，灌水帖热闹完什么也不剩。有人质疑手动导入流水是留存瓶颈，作者接了，输入层在改进计划里。有人说数据本来就在银行云端，本地跑模型图什么，作者的回答值得记录，本地的意义在于你的提问与分析不上云，账单在银行是事实，你问过什么只有你自己该知道。还有人问为何不用系统自带的端侧模型，作者试过，直言对这个用例非常差。
解决了什么需求
记账软件的 AI 化喊了几年，敢把错误率摆出来细讲的没有几个。这个产品把测试方法、失败设计与边界全部写成公开博文，微调模型的权重也开放下载，训练数据约一千八百多条合成样本，无个人数据，训练语料是合成的，隐私链条干净。，工程坦率在同类里罕见。读题模型量化后不到四百兆，苹果新芯片上每秒跑一百多个 token，首次启动总共下载约二点九G，对用户，它是隐私敏感人群第一个能安心用的智能记账；对开发者，它是端侧小模型落地的一份参考实现，六亿参数照样能干活，前提是架构给代码留足权限，模型当翻译官不当会计，这条设计原则值得所有端侧应用抄。
目前仅苹果芯片的 Mac，英文回答，视窗版本在计划里，导入靠手动是当下最明显短板，作者已把输入层排进计划，计划里还有账单邮件直接解析，落地节奏看更新日志。一句话收尾，管钱的 AI 先学会说不知道，这一课它及格了。
来源
- 官网 https://pulseos.finance
- 技术博文 https://pulseos.finance/pulse-local/writing/agree-or-not-sure
- 模型卡 https://huggingface.co/PulseOS/pulse-local-qwen3-0.6b
- 社区讨论 https://news.ycombinator.com/item?id=50080275