北京
小店的每日流水还写在纸质账本上，想进表格就得有人一个字一个字敲。市面上能自动识别的工具，大多要求把店铺记录上传到它们的服务器，再按页收费。Ledger Lift 走的是另一条路：拍一张账本照片，在本机读出可编辑的行，最后导出 CSV，照片始终留在自己电脑里。
操作路径很短。选一张账本页照片，点「Read this page」，日期、商品、数量、金额这些行会随着模型读取一行一行冒出来。识别错的地方手动改，有多页就继续加，每行勾选确认后，把所有页合并下载成一个 CSV。
模型用的是 qwen3-vl:2b-instruct，一个开放权重的视觉模型，通过 Ollama 在本机运行。作者没有选普通的 qwen3-vl:2b 标签，原因是那个版本在给出任何答案前要先「想」30 到 100 秒。想换别的模型，界面上有模型选择器。
应用本体是 Electron 加 React 界面（shadcn/ui 与 Tailwind v4）。主进程负责照看 Ollama：启动和停止它、带进度条下载模型（约 2 GB，只需一次）、在翻页之间保持模型加载，并把读出的每一行尽快推给界面。页面本身跑在沙箱里，没有 Node 访问权限。
多数店主电脑上并没有装 Ollama。缺了它，应用会直接提示，并用「Download Ollama」按钮打开下载页；装完不需要管理员密码，应用自己察觉安装结束并接着往下走。
让一个 2B 模型稳定干活，作者用了几个具体手段：
- 照片长边缩到 1600 px。手机原图尺寸会撑爆模型的上下文窗口。
- 提示词要求模型从最后一列金额里读每笔交易的总数，遇到同上符号时沿用上一行的日期。
- 小模型有时会卡住，把同样的行反复写。应用能识别这种循环，停下来并保留循环之前的行。
作者不希望任何人盲信输出。模型读不出某个字段、或对某位数字没把握时，该字段会被高亮；在所有行都标记为已核对之前，CSV 下载按钮保持关闭。
为了量化准确度，作者写了 pnpm score：用真实模型跑真实页面，和手工录入的答案文件比对，报告逐字段准确率、漏掉的行、凭空多出的行，以及出错的字段是否正好是被高亮的那些。
一个 GitHub Actions 工作流负责构建并冒烟测试 Windows 安装包，安装范围仅限当前用户。单元测试跑在模拟的 Ollama 服务器上，Playwright 则端到端驱动真实应用。在 Apple M4 上，一页 15 行的账本大约需要 21 秒，第一行在约 10 秒后出现。
账本是私密的经营数据。开放权重模型在本机跑，页面就不必交给别人控制的服务器；模型下载完之后，断网也能用。没有按页计费的托管推理账单，店主也就不被别人的单页定价或订阅绑住。模型和提示词是开放的，用户可以换用其他兼容模型，也能看清抽取到底怎么做的。
它并不完美。手写识别会出错，每一行都得对着原页核一遍。作者目前只评了两页手写账本（约 9 行和 16 行），金额和数量大多正确，日期和多词商品名则偏弱。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
