چطور با هوش مصنوعی هزینهها را پیگیری و بودجه را مدیریت کنیم
احتمالاً همین حالا هم به شکلی از هوش مصنوعی برای مدیریت مالی شخصی کمک میگیرید. شاید صورتحساب بانکی را در ChatGPT میگذارید و از آن میخواهید هزینهها را دستهبندی کند. یا از برنامهٔ بانک عکس میگیرید و از Claude میپرسید این ماه چقدر برای خرید روزانه خرج کردهاید.
این کار برای یک بار بد نیست، اما نتیجه داخل همان گفتوگو میماند. چیزی ذخیره نمیشود، چیزی پیگیری نمیشود و هفتهٔ بعد دوباره باید از اول همان مسیر را بروید. هوش مصنوعی دادهها را میخواند، یک جمعبندی تحویل میدهد و بعد همهچیز تمام میشود.
راه مفیدتر این است که بهجای تحلیل عکس و اسکرینشات، به عامل هوش مصنوعی دسترسی واقعی به دادههای مالیتان بدهید. در این حالت، عامل فقط دربارهٔ هزینهها حرف نمیزند؛ خودش تراکنشها را ثبت میکند، بودجه را بهروز میکند و ماندهٔ حسابها را با دادهٔ واقعی تطبیق میدهد.
پیگیری هزینه با هوش مصنوعی در عمل چه شکلی است؟
کریل مارکین، سازندهٔ Expense Budget Tracker، بیش از پنج سال است که همهٔ تراکنشهای شخصیاش را دستهبندی و ثبت میکند. او کار را بهصورت دستی شروع کرد و بعد برای سریعتر شدن این روند، ابزارهای خودش را ساخت. نسخهٔ فعلی این سیستم از یک عامل هوش مصنوعی استفاده میکند که مستقیماً از طریق یک رابط SQL به پایگاه داده وصل میشود.
روال هفتگی او ساده است: صورتحسابهای بانکی را دانلود میکند، آنها را به عامل میدهد و عامل هر تراکنش را میخواند و ثبت میکند. چون دادههای قبلی را میشناسد، در بیشتر موارد دستهبندی درست را خودش پیدا میکند. بعد فقط یک مرور کوتاه لازم است تا خطاهای کمتعداد اصلاح شوند. کاری که قبلاً نزدیک یک ساعت طول میکشید، حالا حدود ۱۰ دقیقه زمان میبرد.
همین روش با Claude Code، OpenAI Codex، GPTهای سفارشی یا هر عامل دیگری که بتواند درخواست HTTP بفرستد کار میکند. نکتهٔ اصلی دسترسی مستقیم به پایگاه داده است؛ نه افزونهٔ مرورگر، نه پلاگین، و نه یک لایهٔ واسط پیچیده. فقط یک کلید API که به عامل اجازه میدهد دادههای مالی شما را بخواند و بنویسد.
چطور عامل هوش مصنوعی را به دادههای مالیتان وصل کنید
Expense Budget Tracker یک ابزار متنباز برای مدیریت مالی شخصی است که بر پایهٔ Postgres ساخته شده. این سیستم یک مسیر POST /v1/sql دارد که دستورات SQL را از طریق HTTP دریافت میکند و نتیجه را بهصورت JSON برمیگرداند.
برای وصل کردن هر عامل هوش مصنوعی کافی است:
- برنامه را باز کنید و به Settings → API Keys → Create key بروید.
- کلید را کپی کنید. این کلید با
ebt_شروع میشود و فقط یک بار نمایش داده میشود. - دو چیز را به عامل بدهید: نشانی رابط و خودِ کلید.
همین. از اینجا به بعد عامل میتواند دادههای هزینهٔ شما را بخواند و تغییر دهد. لازم نیست سرور MCP راه بیندازید، پلاگینی نصب کنید یا یک اتصال سفارشی را نگه دارید. هر عاملی که بتواند یک درخواست HTTP POST بفرستد، آمادهٔ استفاده است.
curl -X POST https://api.expense-budget-tracker.com/v1/sql \
-H "Authorization: ApiKey ebta_your_key_here" \
-H "X-Workspace-Id: workspace-id" \
-H "Content-Type: application/json" \
-d '{"sql": "SELECT * FROM ledger_entries ORDER BY ts DESC LIMIT 10"}'
پاسخ به شکل یک آرایهٔ JSON از ردیفها برمیگردد؛ بدون توکن صفحهبندی، بدون ساختارهای تودرتو و بدون نیاز به SDK.
عامل شما با این دسترسی چه کارهایی میتواند انجام دهد؟
وقتی عامل به کلید API دسترسی داشته باشد، روی دادهٔ واقعی هزینهها و بودجهٔ شما کار میکند؛ نه روی یک کپی، نه روی یک خلاصه، بلکه روی همان پایگاه دادهٔ اصلی:
هزینهها را ثبت میکند. کافی است صورتحساب بانکی، فایل CSV، فایل PDF یا حتی عکس برنامهٔ بانک را به عامل بدهید. عامل هر ردیف را میخواند، مبلغ، تاریخ، طرف حساب و دستهبندی را تشخیص میدهد و بعد یک دستور INSERT در جدول ledger_entries مینویسد. هر هزینه مستقیم در پایگاه داده ثبت میشود.
تراکنشها را با دستهبندیهای خودتان تطبیق میدهد. عامل قبل از هر چیز بررسی میکند که شما از قبل چه دستهبندیهایی داشتهاید. اگر چند ماه است خریدهای «Whole Foods» را در گروه «خواربار» ثبت میکنید، همان الگو را ادامه میدهد. لازم نیست هر بار منطق دستهبندیتان را دوباره توضیح بدهید.
ماندهٔ حسابها را کنترل میکند. بعد از ثبت همهٔ تراکنشهای یک صورتحساب، عامل میتواند نمای accounts را بخواند و جمعها را با اعداد بانک مقایسه کند. اگر اختلافی وجود داشته باشد، سریع متوجه میشوید که چیزی جا افتاده یا دوبار ثبت شده است.
برآورد بودجه را بهروز میکند. جدول budget_lines برنامهٔ ماهانهٔ بودجه را نگه میدارد: درآمدهای مورد انتظار و هزینههای برنامهریزیشده برای هر دسته. عامل میتواند ارقام واقعی این ماه را بخواند، با برنامه مقایسه کند و برای ماه بعد پیشنهاد بدهد یا تغییرات را مستقیم اعمال کند.
با چند ارز کار میکند. هر تراکنش در همان ارزی که ثبت شده در پایگاه داده باقی میماند. نرخ تبدیل ارز هر روز از ECB، CBR و NBS دریافت میشود. بنابراین عامل نیازی ندارد خودش تبدیل ارزی انجام دهد؛ پایگاه داده این محاسبه را هنگام اجرا انجام میدهد.
ساختار پایگاه داده عمداً ساده نگه داشته شده است: هفت جدول، ستونهای روشن و بدون لایههای پیچیده. به همین دلیل مدلهای هوش مصنوعی معمولاً از همان بار اول دستور SQL درست میسازند.
چت داخلی هوش مصنوعی برای کارهای سریع
Expense Budget Tracker یک دستیار هوش مصنوعی هم داخل رابط وب دارد. کافی است کلید API مربوط به OpenAI یا Anthropic را در Settings وارد کنید تا چت به ابزار query_database دسترسی پیدا کند؛ یعنی همان دسترسی SQL، اما از داخل خود برنامه.
این قابلیت برای کارهای سریع مفید است. مثلاً یک عکس از رسید را بارگذاری میکنید، از دستیار میخواهید آن را بهعنوان هزینه ثبت کند، نتیجه را تأیید میکنید و کار تمام میشود. این دستیار داخلی با یک روند سختگیرانه جلو میرود: دستهبندیهای موجود را بررسی میکند، دنبال تراکنش تکراری میگردد، ماندهها را تطبیق میدهد و فقط بعد از تأیید شما چیزی را در پایگاه داده مینویسد.
برای کارهای بزرگتر، مثل پردازش چند صورتحساب پشت سر هم، ساختن روندهای خودکار یا وصل شدن به سامانههای دیگر، رابط SQL بیرونی انتخاب عملیتری است. میتوانید از هر عامل یا اسکریپتی خارج از برنامه به آن وصل شوید.
چرا SQL مستقیم از سرور MCP و پلاگین بهتر است؟
این روزها سرورهای MCP، اکشنهای GPT سفارشی و پلاگینهای وابسته به هر سرویسدهنده برای اتصال هوش مصنوعی به ابزارهای بیرونی زیاد مطرح میشوند. اما در مدیریت مالی شخصی معمولاً فقط پیچیدگی اضافه میسازند.
سرور MCP یک فرایند جداگانه است که باید اجرا بماند. اگر از کار بیفتد، عامل وسط کار دسترسیاش را از دست میدهد. پلاگینهای اختصاصی ChatGPT فقط در همان محیط جواب میدهند و اگر بعداً بخواهید به Claude بروید یا عامل خودتان را بسازید، دیگر به کار نمیآیند. اتصالهای وابسته به یک سرویسدهنده هم با هر تغییر در API آن سرویس ممکن است دردسرساز شوند.
اما یک رابط SQL این دردسرها را ندارد. سمت فنی ماجرا فقط یک مسیر HTTP و زبان SQL است؛ دو چیز پایدار و شناختهشده که سالهاست تغییر بنیادین نکردهاند. اگر مدل هوش مصنوعیتان را عوض کنید، همچنان همان کلید API، همان نشانی و همان منطق کار را دارید. برای عامل فرقی نمیکند داخل ChatGPT باشد، در Claude Code اجرا شود یا در یک اسکریپت پایتون که خودتان نوشتهاید.
آیا دادن دسترسی مستقیم به پایگاه داده امن است؟
بله، اگر محدودیتهای درست اعمال شده باشند. SQL API در Expense Budget Tracker چند لایهٔ حفاظتی دارد:
هر درخواست از Postgres Row Level Security عبور میکند. کلید API به کاربر و فضای کار شما وصل است، بنابراین عامل فقط به دادههای خود شما دسترسی دارد و نه به اطلاعات دیگران.
فقط عملیات داده مجاز هستند: SELECT، INSERT، UPDATE و DELETE. عامل نمیتواند جدول جدید بسازد، چیزی را حذف ساختاری کند یا سطح دسترسیها را تغییر دهد. اجرای چند دستور در یک درخواست هم مسدود است. set_config() هم بسته شده تا جلوی بالا رفتن سطح دسترسی گرفته شود.
کلیدهای API بهصورت هش SHA-256 ذخیره میشوند و متن خام آنها هرگز در پایگاه داده باقی نمیماند. هر زمان بخواهید میتوانید کلید را از Settings لغو کنید. اگر عضوی را از فضای کار حذف کنید، کلیدهای او هم خودکار پاک میشوند.
محدودیت نرخ، استفاده را برای هر کلید به ۱۰ درخواست در ثانیه و ۱۰٬۰۰۰ درخواست در روز میرساند. هر درخواست بعد از ۳۰ ثانیه متوقف میشود و هر پاسخ حداکثر ۱۰۰ ردیف برمیگرداند. این مقدار برای پیگیری هزینه و بودجهبندی روزمره کاملاً کافی است و در عین حال جلوی رفتارهای خارج از کنترل را میگیرد.
چند نکتهٔ عملی برای پیگیری هزینه با هوش مصنوعی
چند نکته که در استفادهٔ واقعی، این روند را روانتر میکند:
نام دستهبندیها را ثابت نگه دارید. عامل از دادههای قبلی شما یاد میگیرد. اگر یک دسته را یک بار «رستوران» و بار دیگر «غذا بیرون» بنویسید، احتمال خطا بالا میرود. برای هر دسته یک نام روشن انتخاب کنید و همان را ادامه دهید.
هر هفته ماندهها را تطبیق دهید. بعد از اینکه عامل هزینهها را ثبت کرد، مطمئن شوید ماندهٔ حساب در سیستم با عدد بانک یکی است. این بررسی ساده، خطاهای تکراری یا جاافتاده را زود پیدا میکند.
با یک حساب شروع کنید. از همان روز اول سراغ همهٔ حسابهای بانکی، کارتهای اعتباری و حسابهای سرمایهگذاری نروید. اول حساب اصلیتان را وارد روند کنید. وقتی مطمئن شدید همهچیز درست پیش میرود، حسابهای دیگر را اضافه کنید.
هر بار دستهبندیها را مرور کنید. هوش مصنوعی معمولاً بیشتر تراکنشها را درست تشخیص میدهد، اما برای طرفهای حساب جدید یا هزینههای غیرمعمول ممکن است اشتباه کند. چند دقیقه مرور دستی، دقت دفعات بعد را هم بالاتر میبرد.
فقط به ثبت هزینه بسنده نکنید؛ بودجه را هم زنده نگه دارید. ثبت خرجهای گذشته مفید است، اما ارزش اصلی در این است که یک بودجهٔ ۱۲ ماههٔ در حال بهروزرسانی داشته باشید. ردیفها دستهبندیها هستند، ستونها ماهها، و ماههای آینده برآورد شما را نگه میدارند. عاملهای هوش مصنوعی در تنظیم این برآوردها بر اساس خرج واقعی عملکرد خوبی دارند.
شروع کار
- در expense-budget-tracker.com ثبتنام کنید یا برنامه را روی سرور خودتان اجرا کنید.
- به Settings → API Keys → Create key بروید و کلید را کپی کنید.
- کلید، شناسهٔ فضای کار و نشانی
https://api.expense-budget-tracker.com/v1/sqlرا به عامل هوش مصنوعی بدهید. - یک صورتحساب بانکی را به عامل بدهید و از آن بخواهید تراکنشها را بخواند و ثبت کند.
عامل ساختار پایگاه داده را بررسی میکند، دستهبندیهای فعلی شما را میشناسد و شروع به ثبت تراکنشها میکند. شما فقط نتیجه را مرور میکنید، موارد اشتباه را اصلاح میکنید و یک روند عملی برای مدیریت بودجه با هوش مصنوعی در اختیار دارید.
کریل مارکین روش شخصی خودش را با جزئیات بیشتر اینجا شرح داده است: How I Use AI to Handle My Expenses from Bank Accounts and Budget. این روش حاصل پنج سال ثبت و دستهبندی همهٔ تراکنشهاست و در عمل، روی پول واقعی و در چند کشور و چند ارز آزموده شده است.
این ابزار با مجوز MIT منتشر شده و کاملاً متنباز است: github.com/kirill-markin/expense-budget-tracker. چه از نسخهٔ میزبانیشده استفاده کنید و چه آن را روی سرور خودتان اجرا کنید، رابط SQL در هر دو حالت یکسان کار میکند.