开源自己 YY 原理写了一套 agent，仿照 Cursor、Copliot 等..

之前发帖提过自己在折腾一个 AI 记账项目，最近花时间把代码整理了一下，文档补全了。

先放仓库地址，觉得有意思的佬帮忙点个 Star，这对我很重要，感谢！

• 客户端 (React Native): [ https://github.com/JamesSmith888/LedgerAIClient )
• 服务端 (Spring Boot): [ https://github.com/JamesSmith888/ledger-server )

为什么要自己造轮子？

市面上的记账 App 很多，但 AI 记账大多是简单的 "正则匹配" 或者 "Chatbot 聊天式"。我想要的是一个真正的 Agent——它能理解"帮我把上周的餐饮支出统计一下做个图表"，也能在我要"删除所有数据"时跳出来拦住我。

为了实现这个，我没有用现成的 LangGraph（太重），而是自己手搓了一套 Stateful Agent 架构。

核心技术实现 (Agent 设计细节)

这部分是项目的核心，也是我掉坑最多的地方。整个 Agent 不是一个简单的 LLM 调用，而是一个包含规划、执行、反思的闭环系统：

1. Intent Rewriter (意图预处理)
   这是第一道关。用户说话很随意（比如"记一笔 50"），LLM 直接处理容易幻觉。我加了一层预处理，负责把口语转化为结构化数据（提取金额、日期、分类），并且自动评估风险等级。如果是高风险操作（比如批量删除），直接在这里就标记需要确认。

2. Planner (动态规划器)
   拒绝硬编码模板。Agent 会根据用户意图，动态生成一个 ExecutionPlan。
   比如你说"统计本月支出"，它会自动拆解为：查询交易 -> 计算总额 -> 调用渲染工具画图。每一步执行完，还可以根据结果动态调整后续计划。

3. Stateful Agent (状态机执行)
   这是个有限状态机。精确控制 Thinking -> Tool Call -> Confirmation -> Reflection 的状态流转。
   最重要的是加入了 Human-in-the-Loop (人机协同)。涉及钱和数据的操作，Agent 会弹窗让你确认，而不是自作主张。

4. Reflector (ReAct 反思模式)
   这是为了解决 LLM "死脑筋"的问题。每一步执行完，都有一个独立的模型在后台"反思"：结果对不对？是不是报错了？
   如果工具调用失败，Reflector 会自动生成修正建议（Correction Hint），告诉执行器换个姿势重试，而不是直接报错摆烂。

5. 后端 MCP 协议
   服务端集成了 Spring AI 和 MCP (后续放弃 MCP 了，直接基于 function call 做的工具)。业务逻辑（记账、查询、统计）直接封装成标准 Tool 暴露给 AI。

正常的业务功能

当然，抛开 AI 不谈，这也是个功能完整的记账 App：

• 多账本：支持个人、家庭共享、商业账本。
• 图表分析：饼图、折线图、多维分析，该有的都有。
• 数据导出：支持导出 Excel/CSV/JSON，数据掌握在自己手里。
• 权限管理：基于 RBAC 的权限控制。

碎碎念

代码虽然开源了，但肯定还有不少 Bug 和优化空间。目前的架构是我在实践中摸索出来的，可能不是最优解，但对于想在 RN 或 Java 项目中集成复杂 Agent 的佬，应该有点参考价值。

最后，再次厚脸皮求个 Star 🌟！

再感谢下 AI，AI 在开发过程中帮了很多忙。