每个月底总有那么一刻：工资到账没几天，卡里的钱又见底了。打开微信支付看一眼，打开支付宝看一眼，再翻银行卡 App、外卖订单、电商账单——钱到底花在哪了，还是拼不出一张完整的图。不是不想记账，是记账这件事本身太反人性：每笔消费都要手动打开 App、选分类、填金额，坚持三天就断了。换一个思路也许更现实：平时该怎么花就怎么花，月底花半小时，把各处账单截图一次性交给 AI，让它帮你认出来、分好类、算出总数，做一份月度消费复盘。LM Station 就能干这个活。
它能帮你做什么
按 LM Station 官网的介绍，它是一个 iPhone、iPad、Mac 通用的 AI 工作台，聚合了 20 多个云端模型（GPT、Claude、Gemini、Qwen、DeepSeek 等），也能在 iPhone 上本地运行大模型，同时提供 Deep Research、RAG 知识库、长期记忆、OCR 与视觉、语音、图片生成和自定义 Agent 等功能。账单复盘用到的主要是两项能力：一是视觉识别——支持视觉的模型可以直接“看”截图，读出上面的商家、金额和日期；二是本地模型——敏感的账单可以交给下载到手机里的本地模型离线分析，数据不用上传到云端。
先把预期说清楚：它不是记账 App 的替代品。它不会自动同步你的银行流水，也不会天天提醒你记账，它的价值在月底那一次复盘——把散落在十几个 App 里的消费记录，拼成一张你能看懂的表，告诉你这个月钱花在哪、哪类超支、哪些钱其实可以不花。如果你指望它替你完成精确到分的长期记账，那会失望；如果你只想每个月搞清楚一次消费结构，它正好够用。
图 1：LM Station 主聊天界面。账单截图就发在这个对话里，让模型识别、分类和汇总，入口和普通对话在一起，不用另开一个 App。
五步做出一份月度消费复盘
下面这套流程是我建议的顺序，第一次照着做大概需要半小时，熟练之后二十分钟左右就能做完。
- 先去各 App 里把账单截图准备好。微信支付和支付宝都有月度账单页面，银行卡 App 里有交易明细，外卖和电商平台有月度订单汇总。按类别分批截图：餐饮外卖一批、交通出行一批、购物一批、固定支出（房租、水电、订阅）一批。截图之前先处理敏感信息：把卡号、身份证号、家庭住址这类内容裁掉或打码，只留商家、金额、日期这三样复盘真正需要的东西。
- 打开 LM Station，新建一个对话，选一个支持视觉的模型。在模型选择里找带 Vision 标识的模型，具体是哪个以实际使用为准。如果这批账单里有你不想上传到云端的内容，就切换成本地模型：先在本地模型列表里下载一个 Qwen、Gemma 这类小模型，下载好之后离线也能用，分析过程不出手机。
- 分批上传截图，让模型逐笔识别。一次发 3 到 5 张就够了，发太多容易漏读。发的时候附上一句明确的指令，比如“请识别这几张截图里的每一笔消费，列出商家、日期和金额，不要估算，看不清的就标出来”。等它列完，先别急着往下走，花两分钟核对一遍：金额有没有读错、日期有没有串、商家有没有认错。
- 让模型分类汇总，生成复盘表。核对无误后，再发一句指令：“按餐饮、交通、购物、住房、娱乐、订阅这几类汇总，算出每类总支出和占比，再算一个全月总支出，做成一张表。”如果某类下面只有一两笔，也可以让它并进“其他”。拿到表之后重点看三行数字：总支出、占比最高的一类、和固定支出相比弹性支出占了多少。
- 追问细节，把复盘变成结论。表做出来只是开始，真正有用的是追问。比如问它“这个月哪类支出比正常水平高？可能的原因是什么”“列出所有订阅类支出，哪些是最近三个月没用过的”“如果下个月想省 500 元，从哪几类下手最现实”。你问得越具体，它给的建议越有针对性。复盘表可以截图保存，或者存进知识库，下个月拿出来直接对比。
图 2：LM Station 本地模型下载界面（iOS Local LLM），可下载 Qwen、DeepSeek、Llama、Gemma 等本地模型离线使用。涉及隐私的账单，可以交给本地模型在手机上分析。
3 个让复盘更准的技巧
第一，先定分类口径，再让它汇总。外卖到底算“餐饮”还是单独列一类？打车算“交通”，网约车和地铁要不要分开？这些口径要在汇总之前就定好，写进给模型的指令里。否则这个月外卖进了餐饮，下个月进了“其他”，两个月的表就没法对比了。建议第一次就把分类固定下来，之后每月沿用同一套。
第二，截图要清晰完整，三要素入镜。一张能用的账单截图，必须同时看清商家、金额和日期。字太小的账单页面先放大再截，跨页的长账单分段截，别指望模型去猜被截掉一半的数字。模糊、反光、手写的票据最容易读错，遇到这种图，先重拍一张比事后纠错省事得多。
第三，固定一天做复盘，养成习惯比工具重要。建议定在每月 1 号或发薪日之后，做上个月的复盘。一次只做一个月，别攒两三个月一起做——截图一多，核对的工作量会翻倍，人也更容易放弃。复盘表存好之后，下个月直接问模型“和上个月的表对比，这个月哪类支出变化最大”，连续做三个月，消费结构的变化趋势就出来了。
先说清楚边界与隐私
账单是私人信息，用 AI 处理之前，有几条底线要先讲明白。
本地模型是隐私上最稳妥的选择，但也要看实际情况。LM Station 的本地模型可以在 iPhone 上离线运行，分析过程不经过云端，这是它相比纯云端助手最大的优势。敏感的账单优先走本地模型。需要注意的是，本地小模型的识别能力以实际使用为准，遇到特别模糊的截图或复杂版式，识别效果可能不如云端大模型——隐私和准确率之间要自己权衡，特别敏感的宁可慢一点、准一点，也别图省事。
敏感信息先打码再上传。不管用云端模型还是本地模型，截图里都不应该出现完整的银行卡号、身份证号、家庭住址、密码和验证码。截图之前花一分钟裁掉或涂掉这些内容，这个习惯比选什么模型都重要。
AI 识别可能出错，总额必须人工核对。截图模糊、商家名是生僻字、金额带小数点、不同币种混在一起，都有可能让模型读错。复盘表出来之后，一定要把模型算出的总支出，和你自己在支付 App 里看到的月度总支出对一遍；再抽查几笔大额支出，确认金额和商家都没错。AI 给的是草稿，你的核对才是定稿。
最后一条是红线：不要把银行卡号、密码、验证码发给任何模型。无论云端还是本地，无论对方怎么问你索要，都不要发。复盘只需要商家、金额、日期，不需要任何账号密码。
还有一句提醒：LM Station 做的复盘只是帮你看清消费结构，不构成任何理财或报税建议。涉及报销、报税、贷款的事，以银行和支付平台的官方账单为准。
图 3：LM Station 知识库（RAG）界面，可以把资料建成知识库供对话时调用。每月做好的复盘表存进知识库，下个月直接拿来对比，不用每次从头整理。
适合谁，不适合谁
这套方法最适合三类人。第一类是想搞清钱花哪了、但坚持不下来天天记账的人：一个月只动手一次，负担小得多。第二类是账单分散在多个 App 的人：微信、支付宝、银行卡、外卖、电商各记各的，月底拼不起来，正好需要一次集中整理。第三类是想控制开支的上班族和学生：复盘表会诚实地告诉你，钱到底是花在必需品上，还是不知不觉流向了外卖、奶茶和冲动购物。
不适合谁呢？如果你需要精确到分、按日更新的长期记账，或者需要自动同步银行流水，那专业记账 App 更合适，LM Station 的复盘是按月做的快照，替代不了流水账。另外，如果你对隐私极度敏感，又不愿意花时间给截图打码，那也别勉强——先打码再分析是这套方法成立的前提，跳过这一步就别用它处理账单。
一句话总结：账单复盘不需要每天记账的毅力，只需要月底半小时的耐心——截图、上传、核对、汇总、追问，LM Station 帮你把散落在各处的消费记录拼成一张看得懂的表，省下来的钱从看清花到哪开始。据开发者介绍，LM Station 累计下载已突破 100 万。想在手机上试试，可以从 iPhone AI 助手 App 开始，官网 lmstation.ai 也有功能介绍。更多用法可以看看本站之前写的 LM Station 自定义 Agent 玩法，把每月固定的复盘流程做成一个专属 Agent，以后每个月直接调用。
延伸阅读：手机上翻译长文章、看外文资料，用 LM Station 靠谱吗？；Google 官方 Agent Skills 开源合集：google/skills，2.3 万 star 的 Google 云与 AI 工作法大全；一个 App 里养一群 AI 助手：LM Station 自定义 Agent 与多 Agent 群聊玩法；手机 AI 能看懂我的睡眠和运动数据吗？用 LM Station 分析 HealthKit 健康数据实测。
利益相关：LM Station 为本站团队开发的产品，本文为官方分享。
