記憶，在 ChatGPT 與 Claude 使用這個詞的意義上，是指對話式 AI 代理在不同工作階段之間記得關於您的事：您的偏好、先前的請求，以及它應該延續下去的脈絡。財務記憶把同樣的概念延伸到財務紀錄上——一個讓代理對您財務狀況的記憶，如同它對對話內容的記憶一樣持久且可查詢的地方。
差別在於記憶的來源。以對話為來源的記憶層，記得的是曾經說過的話。財務記憶之所以是確定性的，是因為它以文件為來源，並經過核對驗證：每個事實都能追溯回某份特定銀行對帳單的特定頁面，而每個餘額在被信任之前都已驗證能正確銜接。以此推理的 AI 代理，推理的不是某人曾經打過一次的摘要，而是經過結構化與核對的原始文件。
這個計畫，從來就不只是要轉換銀行對帳單
一開始，我以為 Bankstatemently 會成為一家「財務視覺」公司。過去幾個月，我認為這個定位太過狹隘。視覺只是問題的一部分。看見，當然重要。但接下來要做的是理解：透過一個一致的現實模型去詮釋。依我之見，這仍然是讓財務文件資料變得可用的過程中，遠遠最困難的部分。
AI 模型正逐漸成為更好的眼睛。與 90% OCR 準確率纏鬥的日子大致已成過去，從財務對帳單擷取資料的能力也持續進步。但 AI 仍然難以應付的，是為財務資料建立一致的表示方式，尤其是當現實世界充滿不一致、模糊之處與各種不同的文件格式時。
這就是為什麼我開始把 Bankstatemently 的未來，想成是「財務記憶」。一個財務資料存在於單一、一致、結構化模型中的地方。一個確定性的記憶層，讓機率性的 AI 代理能輕鬆查詢並據以推理。
如果這樣的記憶層真的存在，那麼推理究竟來自 ChatGPT、Claude，還是某個開源模型，就不應該重要
今天，一個被要求就銀行對帳單 PDF 進行推理的 AI 代理，每一次都必須從頭重新讀取並重新詮釋整份文件，也無法保證兩次讀到同一份對帳單時會得出相同的理解。財務記憶把這個過程反轉過來：對帳單只需解析一次，就會進入一個結構化、經驗證的模型（交易、餘額、帳戶、日期），之後每個查詢它的代理，得到的都是相同的確定性答案。
正是這種結構，讓財務資料成為代理「可以使用」的東西，而不只是「看得見」的東西。語言模型可以描述一份 PDF，但單憑自身，無法保證每一頁的每一筆交易都已被擷取，也無法保證某個累計餘額是否已正確地從一份對帳單銜接到下一份。記憶層事先就完成這項驗證，讓之後查詢它的代理，推理的是已經核對過的事實，而不是重新猜測一次。
您應該能夠用日常語言提問，並得到會計師等級精確度的答案。而這份信任，會在記憶層可能悄悄遺漏一筆交易的那一刻瓦解。舉例來說，一個以金額與日期比對來手動合併資料的自製核心層，可能會把同一個月裡兩筆完全相同的扣款合併成一行，而下游沒有任何機制會標示出這件事——總額就這樣悄悄地錯了。
這裡的財務記憶，改以餘額連續性核對為核心來建構：一份對帳單中的每一筆交易，都必須能解釋餘額如何從期初一路銜接到期末，逐頁驗證。一筆遺漏的交易，或是一次不小心刪掉重複項目的合併，都會打斷這條鏈，並產生一個明顯可見的核對失敗，而不是一個悄悄出錯的總額。完整性不是被假設出來的，而是逐份對帳單被證明出來的，之後才會開放給任何代理查詢。
一個永遠聽起來很有把握的記憶層，比一個願意承認缺口的記憶層更危險。當某個查詢觸及尚未核對完成的對帳期間，或是尚未擷取的文件時，答案會如實說明，而不是悄悄用手邊現有的資料作答。涵蓋範圍的誠實，是答案本身的一部分，而不是事後才補上的說明。
代理收到的每一項事實，都會附帶回溯至確切對帳單、確切頁面的來源資訊，因此任何說法都能對照來源查核，而不必單憑信任接受。而同一個問題問兩次，得到的答案也會相同：不會重新排序，不會重新摘要，也不會在不同工作階段之間出現落差。
REST API 會回傳結構化 JSON：交易、帳戶中繼資料與餘額，全部透過網站各處使用的同一套確定性管線解析而來。任何能呼叫 HTTP 端點的代理框架，都能呼叫這個端點——不需要自行撰寫 PDF 解析邏輯。完整參考文件請見 /developers/api。
Model Context Protocol 伺服器，將同一個記憶層以一組工具的形式開放，讓代理可以直接呼叫：轉換一份對帳單、列出對帳單、取得特定一份，或查詢帳戶額度。這是讓 Claude、ChatGPT、Codex、Cursor 或自訂代理框架，在不需要手動打造整合的情況下，取得銀行對帳單資料的最快方式。設定方式請見 /developers/mcp。
連接 MCP 伺服器，上傳一份對帳單（或指向代理去讀取一份），然後用日常語言提問：「我每個月花在軟體訂閱上的平均金額是多少？」或「列出上一季所有超過 2,000 美元的轉帳。」代理是根據結構化、已核對的資料進行推理，而不是自己嘗試讀取 PDF——這正是「值得信賴的答案」與「還得自己動手覆核」之間的差別。
建構在 LLM 之上的會計與記帳代理，繼承了所有 LLM 面對來源文件時都有的同一個弱點：用摘要取代全面擷取。財務記憶層則為這些代理提供一份可供核對的確定性帳本——每一頁的每一筆交易，都經過餘額連續性交叉檢查，讓自動化記帳流程不會悄悄漏掉那些從一開始就沒有被正確讀取的項目。
幾分鐘內即可透過 MCP 連接，或直接試用 API。