每日热门skill-财务人别再加班了！本地银行流水双向核对 Skill，让 AI 帮你自动对账到天亮

一句话：把 Bank-GL-match 算法 2.0 直接装进 OpenClaw，离线跑出「银行流水 vs 序时账」双向核对结果。

一、开篇：财务人最怕的「18:58 群消息」

周五下班前 10 分钟。

钉钉群里弹出这样一条消息：

「@财务小王 月底了，把这个月对账单核对一下，明天上午 10 点前给我结论。」

你点开附件。

一份 6 万行的银行流水 Excel。 一份 5.8 万行的序时账 Excel。 一份对不上的差额表。

你默默关掉「周五离职信」的 PPT，打开 Sublime。

——这是不是 90% 会计、出纳、共享中心人员的真实日常？

更狠的是，这件事每月都要做一次。 一旦金额写错、交易方录入不一致、时区搞错、对账规则套错，整个月就要从头再来。

今天这篇文章，我要给你介绍一款把「银行流水 vs 序时账」双向核对自动化的开源工具——

bankflow-match-local（基于开源项目 Bank-GL-match 算法 2.0）。

它最近登上了 SkillHub 财务类技能 Top 榜，score 52000。

为什么是它？

因为它不靠云端、不上传数据、不需要 API Key，纯本地 Python 就能跑。

二、这个 Skill 是什么？——3 分钟读懂它

2.1 一句话定义

bankflow-match-local 是一个面向财务对账场景的 OpenClaw Skill。

它把银行对账单（Bank Statement）和企业序时账（General Ledger, GL）这两份 Excel 数据，离线双向核对：

• 哪些记录配上了？
• 哪些记录只存在于银行（企业漏记）？
• 哪些记录只存在于序时账（银行漏打）？
• 月度汇总差额是多少？

2.2 核心算法：算法 2.0

这个 Skill 不是简单按金额匹配。

它来自 戴久耸（daijiaoshou-ds） 2026-05-05 开源的 Bank-GL-match 算法 2.0。

整套算法由四大组件构成：

┌─────────────────────────────────────────────────┐
│                                                 │
│   Bank.xlsx（银行对账单）                       │
│   GL.xlsx（序时账）                             │
│             ↓                                   │
│     ┌──────┴──────┐                             │
│     ↓             ↓                             │
│   金额锁定       交易方余弦                     │
│   分仓台         相似度筛选                     │
│     ↓             ↓                             │
│     └──────┬──────┘                             │
│             ↓                                   │
│       6 阶段对账策略                             │
│             ↓                                   │
│       双向核对结果                               │
│       + 未匹配差异表                             │
│       + 月度汇总表                               │
│                                                 │
└─────────────────────────────────────────────────┘

四大组件：

1. 金额锁定分仓台 —— 按金额分桶，避免大表全表扫描
2. 交易方余弦相似度 —— 用 TF-IDF + 余弦相似度匹配对方名称
3. 6 阶段对账策略 —— 渐进式匹配，逐步收敛
4. 双向核对 —— 既查找「银行有企业无」，也查找「企业有银行无」

2.3 触发关键词

当你向 OpenClaw 发送：

• 「银行对账」
• 「对账本地」
• 「流水核对」
• 「本地银行流水核对」
• 「银行 vs 序时账」
• 「Bank-GL match」

Skill 就会自动激活。

三、技术架构：它到底是怎么跑起来的？

3.1 整体架构

OpenClaw 宿主
   ↓
┌───────────────────────────────────────┐
│ bankflow-match-local Skill            │
├───────────────────────────────────────┤
│ SKILL.md        → 大模型指令入口      │
│ references/     → 知识补充文件        │
│ scripts/        → Python 标准库脚本   │
└───────────────────────────────────────┘
   ↓
┌───────────────────────────────────────┐
│ Bank-GL-match 算法 2.0                │
├───────────────────────────────────────┤
│ 1. 数据加载层（pandas 读取 Excel）    │
│ 2. 预处理层（清洗、归一化）          │
│ 3. 匹配层（6 阶段算法）              │
│ 4. 输出层（差异表 + 汇总表）         │
└───────────────────────────────────────┘

3.2 关键技术决策

为什么纯本地？

财务数据的特点是敏感。

• 不能上云
• 不能交给第三方 LLM
• 不能暴露交易方名称与金额

bankflow-match-local 的回答是：Python 标准库 + pandas + scikit-learn，本地运行，数据不外泄。

为什么算法 2.0？

传统对账算法（算法 1.0）只做单向匹配：银行有 → 找企业有没有。

算法 2.0 引入了双向校验：

• 银行侧：哪些记录企业没记？
• 企业侧：哪些记录银行没打？
• 月度汇总：收支差是多少？

这意味着你一次跑完，就能给老板一个完整对账报告。

四、安装与配置：5 分钟跑起来

4.1 前置环境

• Windows / macOS / Linux
• Python 3.9+
• OpenClaw 0.7+

4.2 安装步骤

方式 A：通过 SkillHub 安装（推荐）

skillhub install skill bankflow-match-local

方式 B：手动安装

# 1. 克隆开源算法
git clone https://github.com/daijiaoshou-ds/Bank-GL-match

# 2. 复制到 Skills 目录
cp -r Bank-GL-match ~/.qclaw/skills/bankflow-match-local/

# 3. 安装依赖
pip install pandas scikit-learn openpyxl

4.3 目录结构

bankflow-match-local/
├── SKILL.md              # 大模型调用入口（必读）
├── references/
│   ├── algorithm.md      # 算法 2.0 详解
│   └── schema.md         # 输入数据字段约定
├── scripts/
│   ├── load_data.py      # Excel 加载
│   ├── preprocess.py     # 数据清洗
│   ├── match.py          # 6 阶段匹配
│   └── report.py         # 报告输出
└── templates/
    ├── bank_template.xlsx
    └── gl_template.xlsx

4.4 数据准备

准备两份 Excel：

银行对账单 (bank.xlsx)：

序时账 (gl.xlsx)：

4.5 第一次跑

向 OpenClaw 输入：

「帮我核对这两份数据： /data/2026-06-bank.xlsx /data/2026-06-gl.xlsx 输出：双向匹配结果 + 未匹配差异 + 月度汇总」

Skill 会自动执行，输出 3 份报告：

1. match_result.xlsx —— 成功匹配明细
2. difference.xlsx —— 未匹配差异
3. monthly_summary.xlsx —— 月度汇总

五、实际使用示例：从「18:58 群消息」到「自动出报告」

5.1 场景模拟

你的输入：

「老板让我对一下这个月流水，附件在桌面 bank_june.xlsx 和 gl_june.xlsx，给我三个报告。」

Skill 自动执行：

1. 加载两份 Excel
2. 6 阶段算法匹配
3. 生成差异表
4. 输出月度汇总

最终输出：

📊 月度对账报告
══════════════════════════════════════
匹配成功：58,234 条（99.3%）
仅银行有：186 条（怀疑企业漏记）
仅序时账有：92 条（怀疑银行漏打）
月度差额：-24,500.00（银行少 2.45 万）
══════════════════════════════════════

⚠️ 高风险差异 TOP 10：
1. 06-15 阿里集团 ¥50,000 → 银行有，序时账无
2. 06-18 京东商城 ¥12,000 → 序时账有，银行无
...

5.2 高风险场景识别

Skill 不只是机械匹配，还内置了风控红线：

• 单笔超过 ¥10 万的差异 → 高风险
• 同月同一交易方差异超过 ¥5 万 → 高风险
• 跨月错配（6月录成5月）→ 中风险

这些场景会被优先列出，让你下班前 10 分钟就能交差。

六、优缺点分析：是真神器还是伪需求？

6.1 优点

✅ 纯本地运行 —— 财务敏感数据不出门 ✅ 算法 2.0 双向核对 —— 比传统单向匹配更全面 ✅ 6 阶段策略 —— 避免大表性能问题 ✅ 开源 —— MIT 协议，可商用 ✅ 可直接二次开发 —— Python 脚本全开源

6.2 缺点

❌ 需要规范的数据 —— Excel 字段格式需要标准化 ❌ 不支持扫描版 PDF —— 需要先 OCR 或导出为 Excel ❌ 不处理多币种 —— 暂不支持汇率转换 ❌ 不处理退款冲销 —— 需要人工二次复核 ❌ 学习成本 —— 财务人员需理解「6 阶段」概念

6.3 适用人群 vs 不适用人群

适合：

• 中小企业财务
• 共享中心对账岗
• 会计师事务所初级审计
• 电商企业多账户对账

不适合：

• 大型企业 SAP/Oracle ERP 系统（建议用 SAP 内部对账模块）
• 跨境多币种（需要扩展）
• 数据完全没规范的小作坊（需要先治理）

七、同类工具对比：为什么选它？

核心差异：和云端 SaaS 相比，数据安全是最大优势。和金蝶用友相比，免费 + 开源是杀手锏。

八、写在最后：财务人的「最后 10 分钟」

财务人最缺的不是努力，是工具。

bankflow-match-local 不能替代你的专业判断， 但能让你的「最后 10 分钟」从加班变成审核 + 签字。

它不是为了取代会计，而是为了让会计不再重复劳动。

行动号召：

1. 立即克隆开源项目：git clone https://github.com/daijiaoshou-ds/Bank-GL-match
2. 安装到你的 OpenClaw 工作区
3. 用本月数据跑一次，比对结果与人工核对
4. 把差异报告发给老板，少加一次班

—— END ——

参考资料：

• 开源仓库：GitHub - daijiaoshou-ds/Bank-GL-match: The bank statement matches the subset of the chronological account · GitHub
• 作者：戴久耸（daijiaoshou-ds）
• 算法版本：2.0
• 开源日期：2026-05-05
• SkillHub 主页：https://api.skillhub.cn/user_5d0d5d95/bankflow-match-local

免责声明：本文为 Skill 技术解析，涉及对账结果仅供参考。具体财务工作请以会计师专业判断为准。