用AI給媽媽vibe了個理財產品說明書人話翻譯神器（照妖鏡）
整理版優先睇
一個將理財說明書翻譯成人話嘅工具，背後係34次迭代嘅產品打磨
呢篇文章出自一個團隊入面嘅金融業務分析大佬，佢係純文科生，但用 VibeCoding 自己整咗個工具。事緣佢媽媽喺銀行買咗個理財產品，客戶經理話「好安全，年化2.5%」，但佢問管理費、提前贖回罰金、投資方向時，媽媽完全答唔出。佢自己查說明書，40頁PDF，滿係「業績比較基準」「風險等級R2」「開放式淨值型」呢啲術語，讀到頭痛。所以佢決定整一個翻譯器，將呢啲反人類嘅文檔轉成人話。整體嚟講，佢成功做出咗一個免費網頁工具，上傳PDF就可以得到一份八個板塊嘅分析報告，包括風險評分、收益計算、費用明細、避坑提醒等等。
成個開發過程唔簡單，由「能跑」到「能用」，經歷咗34次迭代。一開始遇到大文件超時、AI亂發揮（同一份說明書評分唔一致）、產品模式識別唔到（例如定期開放式、自動續期呢啲陷阱），仲有成本控制問題——API太貴，後來轉用硅基流動嘅DeepSeek-V3，成本大降。佢哋仲做咗好多工程優化：用信號量控制併發、心跳保活防止連接中斷、哈希去重避免重複分析、接入真實利率API代替AI亂編數據。真正難嘅部分係教AI識別理財術語同埋講人話，提示詞落咗好多禁令，仲設計咗結構化評分矩陣，確保評分一致。
最終產品嘅哲學係「將所有複雜性吞入，交最簡單嘅野出嚟」。用戶只需要三步：打開網站、上傳PDF、等幾秒，就得到一份易明嘅報告。作者希望呢個工具可以幫到更多人，特別係老人家，唔好再俾複雜嘅術語呃到。佢亦鼓勵大家一齊體驗同埋創造更多有用嘅野。
- 結論：一個看似簡單嘅翻譯工具背後，需要大量迭代解決真實問題，先至做到真係「有用」。
- 方法：用 PDF 解析 + LLM（DeepSeek-V3） + 結構化評分規則 + 真實利率 API，先至做到準確同穩定。
- 差異：相比直接問 ChatGPT，呢個工具識別產品運作模式（封閉式、開放式、定期開放式），計算費用總和，並主動提醒避坑。
- 啟發：唔好低估「翻譯成人話」嘅難度——AI太易「加戲」，要落禁令、限制温度、用矩陣評分先搞得掂。
- 可行動點：你而家就可以上傳手邊嘅理財說明書去 finance-translator.onrender.com 體驗，或者用類似思路幫屋企人解決資訊不對稱。
理財產品說明書翻譯器
上傳PDF，幾秒鐘生成人話分析報告，包含風險評分、收益計算、費用明細、避坑提醒等八個板塊。
點解要做呢個工具？
作者嘅媽媽俾銀行客戶經理推介咗個理財產品，話「好安全，年化 2.5%」。但當佢問到管理費同提前贖回罰金時，媽媽完全答唔出。登入網銀睇份說明書，40頁PDF，滿係業績比較基準、風險等級R2、開放式淨值型呢類術語，連佢自己睇都覺得頭痛。
佢哋團隊入面有位金融業務分析大佬，純文科生，用 VibeCoding 自己搞掂呢個工具，將金融知識同 AI 結合，做出咗啲真係有用嘅野。
工具係點用？報告睇啲咩？
使用方式極簡單：第一步打開 finance-translator.onrender.com，第二步上傳理財產品嘅 PDF 說明書，第三步等幾秒鐘，AI 就幫你生成一份通俗易懂嘅分析報告。
- 風險評分：唔再係令人一頭霧水嘅「R2」，而係一個直觀分數，例如 7.5（中等偏低），仲有句話總結：「本金主要靠重點投資固定收益資產來保障，有可能虧損，但虧幅通常比較有限」。
- 收益情況：直接幫你計一筆賬——投10萬賺幾多、投100萬賺幾多，唔使自己攞計算機。
- 你嘅錢投咗去邊：100%嘅錢投進固定收益資產，用易明嘅話解釋俾你知。
- 費用明細：固定管理費、託管費、銷售服務費、浮動管理費……一筆一筆清楚列曬，好多產品一年扣 0.5%-1%，你以為年化 2.5%，實際得 2%。
- 期限與流動性：封閉期幾長？幾時可以贖回？幾耐到賬？全部整理好。
- 起購金額：最低投幾多，要整數定可以散投。
- 適合乜人：直接話你知呢個產品適合邊類人，唔適合邊類人。
- 同其他產品比一比：橫向對比同類無風險產品收益，幫你知呢個產品喺市場上嘅水平。
翻譯器甚至會幫你做說明書絕對唔會做嘅事：主動告訴你裏面有咩坑。另外，佢識辨產品運作模式——封閉式、開放式、定係定期開放式（每年得幾日贖回，錯過等一年），仲有自動續期呢類陷阱，都會主動提醒。
34次迭代，搞掂啲乜？
由「能跑」到「能用」，中間隔咗34次迭代。第一關係先令佢「活」起嚟：用 PDF 解析加 LLM 翻譯，部署到 Render。但即刻遇到大文件超時——說明書動輒40頁，AI未讀完連接就斷咗。仲有人上傳咗員工手冊，工具傻傻咁「翻譯」咗，結果驢唇不對馬嘴。另一個 bug：前一個用戶嘅結果殘留喺頁面，下一個人睇到人哋嘅報告。為咗呢啲基礎問題就改咗5個版本。
第二關係讓AI別「發揮」——佢哋喺提示詞嘅煉獄中加入大量禁令：禁止誇張用詞、禁止元描述語句（例如「本報告將為您分析以下幾個方面」）、期限匹配原則（說明書寫「90天」就譯「90天」，唔好自作主張換成「約3個月」）。每一條禁令背後都係一次真實嘅翻車。
第三關係產品模式識別：點分封閉式、開放式、定期開放式？呢啲信息通常藏喺說明書嘅犄角旮旯。翻譯器會主動標記定期開放式同自動續期產品，提醒用戶注意贖回窗口。第四關係成本控制：最早用智譜API，費用高，後來遷移到硅基流動（SiliconFlow）平台嘅DeepSeek-V3，成本大降效果更好。不過免費工具嘅噩夢係併發——同時十個人上傳會觸發API限流。佢哋用信號量（Semaphore）控制同一時間只處理一個請求，其他人排隊，每個用戶見到前面有幾位，數字實時遞減。API限流時自動重試，等待時間遞增（3秒、6秒、12秒、20秒）。仲有Render免費版超時限制，所以加咗心跳保活機制，每隔幾秒發信號防止連接被殺。
仲有一個聰明嘅慳錢方法：哈希去重。同一份PDF再次上傳，用SHA256哈希值直接返回上次結果，跳過AI調用，秒出零成本。分析歷史同錯誤日誌存入Supabase數據庫，計劃等積累到1000份報告時開放「同類產品對比」功能。
創造嘅樂趣同埋下一步
回頭睇，用戶見到嘅三步，團隊走過嘅係三十四步。由搭建核心流程、修復基礎bug、豐富產品識別能力、打磨UI細節、解決API穩定性、提升數據質量，到持久化存儲同精細化運營。作者話：「做點有用的東西，創造的過程會遇到各種問題，遇到問題解決問題也很有意思。」
歡迎體驗理財產品說明書翻譯器，亦可以轉俾屋企人，佢哋可能比你更需要。佢哋團隊仲做咗其他好嘢，例如pdf2skill（一鍵將專業書籍轉換成AI技能），同埋一系列好玩嘅例子（將《大明王朝1566》變成權謀遊戲、賽博養鳥、吵架模擬器等）。希望你都一齊加入創造。
能夠落手做到有用嘅嘢，係好開心嘅，期待你一齊創造！
唔使再擔心阿媽俾人揾笨
上個禮拜阿媽喺銀行買咗個理財產品，返嚟同我講「客戶經理話好安全，年化2.5%」。
我問佢：管理費幾多？提早贖回有冇罰金？投資啲乜？
佢呆咗——「呢啲……宣傳材料上面有㗎咩？」
登入網銀一睇，40頁PDF，成個mon都係「業績比較基準」「風險等級R2」「開放式淨值型」。講真，我自己睇都覺得好辛苦。
理財產品說明書，大概係中國最反人類嘅文件之一。明明係寫畀買嗰個人睇，但係好似特登唔想俾人睇得明咁。
所以，我哋整咗個翻譯器
理財產品說明書翻譯器——將啲睇到頭痛嘅PDF，翻譯成人話。
用法非常簡單：
第一步：打開 finance-translator.onrender.com
第二步：上傳理財產品嘅PDF說明書（或者直接喺中國理財網下載）
第三步：等幾秒，AI 幫你生成一份簡單易明嘅分析報告
搞掂。就係呢三步。
佢會話畀你知啲乜？
攞一個真實產品嚟睇——「XX理財『安全』固定收益類第5號」，說明書原文密密麻麻幾十頁。翻譯器幾秒鐘出一份報告，包含八個部分：
風險評分：7.5（中等偏低）
唔再係令人一頭霧水嘅「R2」，而係一個直觀嘅分數，加一句話總結：呢一檔嘅特點係本金主要靠重點投資固定收益資產嚟保障，有可能輸錢，但輸嘅幅度通常比較有限。
收益情況
翻譯器直接幫你計咗條數——投10萬賺幾多、投100萬賺幾多，都列曬出嚟。唔使你自已拎計數機。
你啲錢去咗邊
100%嘅錢投資咗落固定收益資產，主要包括「債券、央行票據、大額存單」。翻譯器仲會幫你解釋，用淺白嘅話話你知呢筆錢本質上去咗邊。
費用明細
呢個係最易俾人忽略嘅部分。翻譯器將所有費用都揾曬出嚟：
• 固定管理費：1月幾號、一年收幾次 • 託管費：0.02%/年 • 銷售服務費、浮動管理費……
逐筆逐筆，清清楚楚好多人唔知嘅係：有啲產品一年各種費用加埋要扣0.5%-1%。你以為年化2.5%，到手可能得2%。
期限與流動性
封閉期幾長？幾時可以贖回？幾耐到帳？——呢啲收埋喺說明書角落嘅關鍵資訊，翻譯器幫你一次整理好。
起購金額
最低投幾多，要整數定可以散買，都講清楚咗。
適合咩人買
翻譯器會直接話你知：呢個產品適合邊類人，唔適合邊類人。
同其他產品比較下
仲會幫你做橫向對比同類無風險產品嘅收益，等你知呢個產品嘅收益喺市場上係咩水平。
避坑提醒（呢個最關鍵，通常都唔會提）
最後，用紅色標出曬所有你要留意嘅陷阱——封閉期風險、提早贖回限制、費用陷阱，一眼睇曬。
說明書 vs 翻譯後，對比一下
說明書原文（節錄）：
債券類資產：國債、地方政府債、企業債券、公司債券（包括非公開發行的公司債、面向合格投資者發行的公司債）、金融債（包括次級債、混合資本債）、中央銀行票據、經銀行間市場交易商協會批准註冊發行的各類債務融資工具（短期融資券、超短期融資券、中期票據、集合票據、集合債券、資產支持票據（ABN）、非公開定向債務融資工具（PPN）等）、資產支持證券（ABS）、可轉債、可交換債、信用風險緩釋工具(CRM)、債券回購等（債券類資產合計市值佔本理財產品資產總值的比例範圍為0-100%）；存款類資產：包括但不限於現金、銀行存款、同業存款、同業存單、通知存款、協議存款、同業借款以及其他監管機構認可的投資品種（存款類資產合計市值佔本理財產品資產總值的比例範圍為 0-100%）；公募證券投資基金（佔資產總值的比例範圍為0-50%）；信託公司、基金公司、證券公司、保險公司、期貨公司等及其子公司發行的資產管理計劃（佔資產總值的比例範圍為 0-50%）。如因政策或市場等因素發生變化，我行將在不影響投資者收益、產品風險評級的前提下合理調整投資比例，以上投資比例在【-10%，10%】區間浮動，建倉期間不受上述投資比例限制。
翻譯後：
你啲錢主要投資咗去：1. 借錢俾公司或政府買債券（例如國債、公司債）。2. 一小部分可能買咗基金或者委託俾其他機構管理。
你看——同樣嘅資訊，一個要睇十分鐘，一個十秒就明。
而且翻譯器仲會幫你做一件說明書絕對唔會做嘅事：主動話你知入面有啲咩陷阱。
邊個需要呢個工具？
• 幫爸媽買理財之前，先幫佢哋「翻譯」一下說明書 • 自己買理財時，快速搞清費用結構同風險點 • 對比多個產品時，每個都行一次翻譯器，結果放埋一齊比 • 理財經理推薦產品時，即場翻譯，幾秒出結果，心中有數
試試看：finance-translator.onrender.com
上傳一份你手邊嘅理財說明書，睇下翻譯出嚟係點樣。
如果覺得有用，轉畀爸媽。佢哋可能比你更加需要。
以上就係呢個工具點樣用喇。
以下，如果你對呢個工具係點樣整出嚟有興趣，等我慢慢同你拆解！
呢個工具係團隊裏面嘅金融業務分析大佬整出嚟嘅，佢係純文科生，自己落手搞 vibecoding，金融知識+AI落手做到啲有用嘅嘢。
呢個工具係點樣做到嘅？
好多人以為「AI人話翻譯」就係將PDF掉畀ChatGPT，叫佢總結一下。
一開始都係咁諗。真係做起上嚟先發現——由「行得鬱」到「用得着」，中間隔咗34次迭代。
第一關：先令佢「生」出嚟
我哋自己有PDF解析（解析工具而家都有提供對外調用服務），加上LLM翻譯，部署到Render。
行得鬱喇。但問題即刻湧過嚟。
大檔案超時，說明書閒閒地40頁，AI未睇完連線就斷咗。有人上傳咗份員工手冊——唔係理財產品，翻譯器傻更更咁都照「翻譯」，結果牛頭唔搭馬嘴。仲有一個好低能嘅bug：前一個用家嘅分析結果，殘留喺頁面上，下一個用家打開見到係人哋嘅報告。
淨係修呢啲基礎問題，就改咗5個版本。
第二關：叫AI唔好「作嘢」
AI最大嘅問題唔係唔識，而係太鍾意「作嘢」。
早期版本，同一份說明書翻譯三次，風險評分可以俾三個唔同數字——7.2、6.8、7.5。翻譯器連評分都唔穩定，邊個敢信？
做咗兩件事：將模型温度直接降到0直接降到0，杜絕隨機性；同時將評分規則由「你覺得風險有幾大」改成一 set 細化嘅打分矩陣——投資資產類型佔幾多分、封閉期長短佔幾多分、係咪保本佔幾多分，每一項都有明確嘅分數區間。
AI唔再「憑感覺」打分，而係按規則計算。
仲有一個令人哭笑不得嘅bug：有啲理財產品個名入面帶雙引號——例如「XX銀行『安享』理財計劃」。結果AI回傳嘅JSON俾呢個引號搞冧咗，整體解析失敗。類似嘅仲有非法轉義符。為咗呢啲邊界情況，專登寫咗一套JSON容錯解析。
第三關：產品模式識別
理財產品唔只有「買咗就放喺度」一種。
有的是封閉式——買咗就鎖死，到期先拎得返錢。有啲係開放式——隨時可以贖回。仲有一種最容易踩坑嘅：定期開放式——睇落似開放式，其實每年得幾日可以贖回，錯過咗就要等一年。
仲陰濕啲嘅係自動續期。好多產品到期後會自動續投下一期，如果你唔主動贖回，啲錢就會繼續被鎖住。
翻譯器會識別呢啲產品運作模式，遇到定期開放式同自動續期嘅，會主動提醒你要留意贖回嘅時間窗口。呢啲資訊通常收埋喺說明書啲罅位，好少人會注意到。
第四關：頂住流量，壓住成本
工具整好，開始有人用。新問題嚟嘞——錢唔夠燒。
最早用嘅係智譜嘅API（GLM大模型），一份說明書分析落嚟，API調用費唔平。後來搬咗去**硅基流動（SiliconFlow）**平台嘅DeepSeek-V3模型，成本大幅下降，效果反而更好。
但免費工具嘅噩夢係併發。同一時間十個人上傳，API會回傳429（限流）。點算？
整咗一套排隊機制——用信號量（Semaphore）控制同一時間只處理一個請求，其他排隊等。每個用戶可以見到自己前面仲有幾多位，數字一路遞減。API限流就自動重試，等嘅時間遞增——3秒、6秒、12秒、20秒，耐心排隊。
仲有一個坑：Render免費版有時限限制，分析時間稍為長少少連線就斷咗。加咗心跳保活機制，隔幾秒就同前端發一個「仲處理緊」嘅訊號，防止連線被殺。
慳返嘅每一分錢，都係為咗令呢個工具可以免費運行得更耐。
教AI讀懂理財——真正難嘅部分
解析PDF、頂住流量，呢啲都係工程問題，有套路可循。真正難嘅係：點樣令AI喺理財呢個領域「講人話」嘅同時，仲可以「講啱嘢」？
提示詞嘅煉獄
AI最擅長嘅事之一係「加戲」。你叫佢分析風險，佢會寫：「呢款產品猶如暗夜中嘅一盞明燈，為投資者照亮財富增值嘅道路。」
——拜託，呢個係理財說明書分析，唔係詩歌朗誦。
喺提示詞入面加咗一堆「禁令」：禁止誇張用詞、禁止元描述語句（例如「本報告將為您分析以下幾個方面」呢類廢話）、期限匹配原則（說明書寫「90天」，翻譯就話「90天」，唔好自己作主換算成「約3個月」——理財入面差一日都可能差好多）。
每一條禁令嘅背後，都係一次真實嘅炒車。
利率：由「AI亂噏」到真實數據
早期版本有一個致命問題——對比收益時，AI會「作」利率。
「餘額寶目前年化收益約2%」——AI寫嘅。但實際上嗰段時間餘額寶收益已經跌到1.5%喇。用錯嘅數據幫用戶做對比，仲衰過唔對比。
後來接入咗中國貨幣網同天天基金網嘅真實API，所有對比基準都用即時數據：
• 定期存款利率：四大行最新掛牌利率，精確到小數點後兩位 • 國債收益率：來自中國貨幣網嘅即時報價 • 餘額寶收益：來自天天基金網嘅當日七日年化
翻譯報告入面嘅對比部分都做咗重構——「同定期存比、同國債比、同餘額寶比」，三段式對比，每段都帶具體利率數字。有據可查，唔靠AI作。
風險評分嘅「標準化」
說明書寫「風險等級R2」，翻譯器要俾出一個直觀嘅分數。但點樣打分？
唔可以叫AI「憑感覺」。我哋設計咗一套結構化嘅評分規則：
投資資產構成——100%固收比起80%固收+20%權益，風險一定唔同 產品運作模式——封閉式比開放式流動性風險更高 係咪保本——資管新規後大部分產品唔再保本，但仍有唔同程度嘅安全墊 歷史波動——淨值型產品有過去嘅淨值走勢可以參考
每一項有明確嘅分數區間同權重，AI按規則計算，唔再隨機發揮。同一份說明書，翻譯一百次，評分一致。
聰明咁慳錢：哈希去重
有個用戶一日之內上傳咗同一份PDF三次——可能係想睇結果係咪一樣。每次上傳都調用一次AI分析，白花三倍API費用。
我哋為每份上傳嘅檔案計一個SHA256哈希值。同一份檔案再上傳？直接回傳上次嘅分析結果，跳過AI調用。秒出結果，零成本。
分析歷史同錯誤日誌都儲咗入Supabase數據庫。一方面方便我哋追蹤問題，另一方面，等累積到1000份分析報告，我哋計劃開放「同類產品對比」功能——你上傳一份說明書，翻譯器唔單止話你知呢個產品點樣，仲話你知佢喺同類產品入面排第幾。
34次迭代，濃縮成三步
返轉頭睇，呢個「上傳PDF → 等幾秒 → 睇報告」嘅簡單體驗背後，係34個版本嘅反覆打磨：
從搭建核心流程，到修復基礎bug；從豐富產品識別能力，到打磨UI細節；從解決API穩定性，到提升數據質量；最後到持久化存儲同精細化運營。
用戶見到嘅係三步，我哋走過嘅係三十四步。
但呢個就係做產品嘅意思——將所有複雜性吞落肚，將最簡單嘅嘢交出來。
以上，就係全過程喇。
做啲有用嘅嘢，創造嘅過程會遇到各種問題，遇到問題解決問題都好有意思。
歡迎試用產品，希望你一齊嚟創造。
係呀，我哋最近仲做咗啲好玩嘅嘢。
我哋提供一套工具，俾人創造，仲有啲好玩嘅例子。
呢個係工具：
pdf2skill：一鍵將專業書籍轉換成 AI 技能（Claude Code / OpenCode）
呢啲係好玩嘅例子：
畀Claude Code一行指令，將《大明王朝1566》變咗一款沉浸式權謀遊戲
賽博養雀？AI幫我做咗一個將現實中影到嘅雀，帶入電子森林裏面嘅遊戲！
泛知識類書籍嘅Skills可以做啲乜？我將史丹福人生設計課變咗做【設計之旅】
遠睇兇手壞、近睇壞兇手、兇手真係壞、真係壞兇手！基於江户川亂步推理筆記嘅推理遊戲
等等
歡迎加入我哋嘅產品內測羣一齊喺AI時代創造！
本文由 AI 輔助撰寫 | 理財有風險，購買需謹慎
能上手做出有用的東西，是快樂，期待你一同創造！
再也不用擔心媽媽被坑了
上週媽媽在銀行買了個理財產品，回來跟我說"客戶經理說很安全，年化2.5%"。
我問她：管理費多少？提前贖回有沒有罰金？投什麼？
她愣住了——“這些……宣傳材料上有嗎？”
登錄網銀一查，40頁PDF，滿屏的"業績比較基準""風險等級R2"“開放式淨值型”。說實話，我自己讀起來也費勁。
理財產品說明書，大概是中國最反人類的文檔之一。它明明是寫給買的人看的，卻好像故意不想讓人看懂。
所以，我們做了一個翻譯器
理財產品說明書翻譯器——把那些讓人頭大的PDF，翻譯成人話。
使用方式極其簡單：
第一步：打開 finance-translator.onrender.com
第二步：上傳理財產品的PDF說明書（或者直接從中國理財網下載）
第三步：等幾秒鐘，AI 幫你生成一份通俗易懂的分析報告
完了。就這三步。
它會告訴你什麼？
拿一個真實產品來看——“XX理財’安全’固定收益類第5號”，說明書原文密密麻麻好幾十頁。翻譯器幾秒鐘出了一份報告，包含八個板塊：
風險評分：7.5（中等偏低）
不再是讓人一頭霧水的"R2"，而是一個直觀的分數，加上一句話總結：這一檔的特點是本金主要靠重點投資固定收益資產來保障，有可能虧損，但虧幅通常比較有限。
收益情況
翻譯器直接幫你算了一筆賬——投10萬能賺多少、投100萬能賺多，都列出來了。不用你自己拿計算器。
你的錢投了哪裏
100%的錢投進固定收益資產，主要包括"債券、央行票據、大額存單"。翻譯器還會幫你解釋，用易懂的話告訴你，這筆錢本質上去了哪裏。
費用明細
這是最容易被忽略的部分。翻譯器把所有費用都扒出來了：
• 固定管理費：1月幾號、一年收幾次 • 託管費：0.02%/年 • 銷售服務費、浮動管理費……
一筆一筆，清清楚楚很多人不知道的是：有些產品一年光各種費用就要扣掉0.5%-1%。你以為年化2.5%，到手可能只有2%。
期限與流動性
封閉期多長？什麼時候能贖回？多久到賬？——這些藏在說明書角落裏的關鍵信息，翻譯器幫你一次整理好。
起購金額
最低投多少，要整數還是可以零散投，都說清楚了。
適合什麼人買
翻譯器會直接告訴你：這個產品適合什麼樣的人，不適合什麼樣的人。
跟其他產品比一比
還會幫你橫向對比同類無風險產品收益，讓你知道這個產品收益在市場上處於什麼水平。
避坑提醒（這個最關鍵，一般都不會提）
最後，用紅色標出所有你應該注意的坑——封閉期風險、提前贖回限制、費用陷阱，一目瞭然。
說明書 vs 翻譯後，對比一下
說明書原文（節選）：
債券類資產：國債、地方政府債、企業債券、公司債券（包括非公開發行的公司債、面向合格投資者發行的公司債）、金融債（包括次級債、混合資本債）、中央銀行票據、經銀行間市場交易商協會批准註冊發行的各類債務融資工具（短期融資券、超短期融資券、中期票據、集合票據、集合債券、資產支持票據（ABN）、非公開定向債務融資工具（PPN）等）、資產支持證券（ABS）、可轉債、可交換債、信用風險緩釋工具(CRM)、債券回購等（債券類資產合計市值佔本理財產品資產總值的比例範圍為0-100%）；存款類資產：包括但不限於現金、銀行存款、同業存款、同業存單、通知存款、協議存款、同業借款以及其他監管機構認可的投資品種（存款類資產合計市值佔本理財產品資產總值的比例範圍為 0-100%）；公募證券投資基金（佔資產總值的比例範圍為0-50%）；信託公司、基金公司、證券公司、保險公司、期貨公司等及其子公司發行的資產管理計劃（佔資產總值的比例範圍為 0-50%）。如因政策或市場等因素髮生變化，我行將在不影響投資者收益、產品風險評級的前提下合理調整投資比例，以上投資比例在【-10%，10%】區間浮動，建倉期間不受上述投資比例限制。
翻譯後：
你的錢主要投向了：1. 借錢給公司或政府買債券（比如國債、公司債）。2. 一小部分可能買了基金或委託給其他機構管理。
你看——同樣的信息，一個要讀十分鐘，一個十秒就懂了。
而且翻譯器還會幫你做一件說明書絕對不會做的事：主動告訴你這裏面有什麼坑。
誰需要這個工具？
• 給爸媽買理財之前，先幫他們"翻譯"一下說明書 • 自己買理財時，快速搞懂費用結構和風險點 • 對比多個產品時，每個都跑一遍翻譯器，結果放在一起比 • 理財經理推薦產品時，當場翻譯，幾秒出結果，心裏有數
試試看：finance-translator.onrender.com
上傳一份你手邊的理財說明書，看看翻譯出來是什麼樣的。
如果覺得有用，轉給爸媽。他們可能比你更需要。
以上就是這個東西如何使用的了。
以下，若你感興趣這個東西是如何做出來的，那讓我來細細為你拆解！
這個東西是團隊裏金融業務分析大佬做出來的，她是純文科生，自己上手搞 vibecoding，金融知識+AI上手做出點有用的東西。
這東西是怎麼做到的？
很多人以為"AI人話翻譯"就是把PDF丟給ChatGPT，讓它總結一下。
一開始也這麼想。真做起來才發現——從"能跑"到"能用"，中間隔了34次迭代。
第一關：先讓它"活"起來
我們自己有PDF解析（解析工具目前也是提供對外調用服務的），加上LLM翻譯，部署到Render。
能跑了。但問題立刻湧過來。
大文件超時，說明書動輒40頁，AI還沒讀完連接就斷了。有人上傳了一份員工手冊——不是理財產品，翻譯器傻乎乎地也給"翻譯"了，結果驢唇不對馬嘴。還有個很蠢的bug：前一個用戶的分析結果，殘留在頁面上，下一個用戶打開看到的是別人的報告。
光是修這些基礎問題，就改了5個版本。
第二關：讓AI別"發揮"
AI最大的毛病不是不懂，是太會"發揮"。
早期版本，同一份說明書翻譯三次，風險評分能給出三個不同的數字——7.2、6.8、7.5。翻譯器要是連評分都不穩定，誰敢信？
做了兩件事：把模型温度直接降到0，杜絕隨機性；同時把評分規則從"你覺得風險有多大"改成一套細化的打分矩陣——投資資產類型佔多少分、封閉期長短佔多少分、是否保本佔多少分，每一項都有明確的分值區間。
AI不再"憑感覺"打分了，而是按規則計算。
還有一個讓人哭笑不得的bug：有些理財產品的名字裏帶雙引號——比如"XX銀行’安享’理財計劃"。結果AI返回的JSON被這個引號搞炸了，整個解析失敗。類似的還有非法轉義符。為了這些邊界情況，專門寫了一套JSON容錯解析。
第三關：產品模式識別
理財產品不只有"買了就放着"一種。
有的是封閉式——買了就鎖定，到期才能拿錢。有的是開放式——隨時可以贖回。還有一種最容易踩坑的：定期開放式——看起來像開放式，其實每年只有幾天能贖回，錯過了再等一年。
更坑的是自動續期。很多產品到期後會自動續投下一期，如果你不主動贖回，錢就繼續被鎖着。
翻譯器會識別這些產品運作模式，碰到定期開放式和自動續期的，會主動提醒你注意贖回窗口。這些信息通常藏在說明書的犄角旮旯裏，很少有人注意到。
第四關：扛住流量，壓住成本
工具做出來，開始有人用了。新問題來了——錢燒不起。
最早用的是智譜的API（GLM大模型），一份說明書分析下來，API調用費不低。後來遷移到了**硅基流動（SiliconFlow）**平台的DeepSeek-V3模型，成本大幅下降，效果反而更好。
但免費工具的噩夢是併發。同時來十個人上傳，API會返回429（限流）。怎麼辦？
搞了一套排隊機制——用信號量（Semaphore）控制同一時間只處理一個請求，其他人排隊等。每個用戶能看到自己前面還有幾位，數字實時遞減。API限流了就自動重試，等待時間遞增——3秒、6秒、12秒、20秒，耐心排隊。
還有一個坑：Render免費版有超時限制，分析時間稍微長一點連接就斷了。加了心跳保活機制，每隔幾秒給前端發一個"還在處理"的信號，防止連接被殺掉。
省掉的每一分錢，都是為了讓這個工具能免費運行得更久。
教AI讀懂理財——真正難的部分
解析PDF、扛住流量，這些都是工程問題，有套路可循。真正難的是：怎麼讓AI在理財這個領域"說人話"的同時，還能"說對話"？
提示詞的煉獄
AI最擅長的事情之一是"加戲"。你讓它分析風險，它會寫：“這款產品猶如暗夜中的一盞明燈，為投資者照亮財富增值的道路。”
——拜託，這是理財說明書分析，不是詩歌朗誦。
在提示詞里加了一堆"禁令"：禁止誇張用詞、禁止元描述語句（比如"本報告將為您分析以下幾個方面"這種廢話）、期限匹配原則（說明書寫"90天"，翻譯就說"90天"，別自作主張換算成"約3個月"——理財裏差一天都可能差很多）。
每一條禁令的背後，都是一次真實的翻車。
利率：從"AI瞎猜"到真實數據
早期版本有一個致命問題——對比收益時，AI會"編"利率。
“餘額寶目前年化收益約2%”——AI寫的。但實際上那段時間餘額寶收益已經跌到1.5%了。用錯誤的數據幫用戶做對比，比不對比更危險。
後來接入了中國貨幣網和天天基金網的真實API，所有對比基準都用實時數據：
• 定期存款利率：四大行最新掛牌利率，精確到小數點後兩位 • 國債收益率：來自中國貨幣網的實時報價 • 餘額寶收益：來自天天基金網的當日七日年化
翻譯報告裏的對比板塊也做了重構——“跟定期存比、跟國債比、跟餘額寶比”，三段式對比，每段都帶具體利率數字。有據可查，不靠AI編。
風險評分的"標準化"
說明書寫"風險等級R2"，翻譯器要給出一個直觀的分數。但怎麼打分？
不能讓AI"憑感覺"。我們設計了一套結構化的評分規則：
投資資產構成——100%固收比80%固收+20%權益，風險顯然不一樣 產品運作模式——封閉式比開放式流動性風險更高 是否保本——資管新規後大部分產品不再保本，但仍有不同程度的安全墊 歷史波動——淨值型產品有過去的淨值走勢可以參考
每一項有明確的分值區間和權重，AI按規則計算，不再隨機發揮。同一份說明書，翻譯一百次，評分一致。
聰明地省錢：哈希去重
有個用戶一天之內上傳了同一份PDF三次——可能是想看看結果是不是一樣的。每次上傳都調用一遍AI分析，白花三倍的API費用。
我們給每份上傳的文件算一個SHA256哈希值。同一份文件再次上傳？直接返回上次的分析結果，跳過AI調用。秒出結果，零成本。
分析歷史和錯誤日誌也都存進了Supabase數據庫。一方面方便我們追蹤問題，另一方面，等積累到1000份分析報告，我們計劃開放"同類產品對比"功能——你上傳一份說明書，翻譯器不僅告訴你這個產品怎麼樣，還能告訴你它在同類產品裏排第幾。
34次迭代，濃縮成三步
回頭看，這個"上傳PDF → 等幾秒 → 看報告"的簡單體驗背後，是34個版本的反覆打磨：
從搭建核心流程，到修復基礎bug；從豐富產品識別能力，到打磨UI細節；從解決API穩定性，到提升數據質量；最後到持久化存儲和精細化運營。
用戶看到的是三步，我們走過的是三十四步。
但這就是做產品的意思——把所有的複雜性吞進去，把最簡單的東西交出來。
以上，就是全過程啦。
做點有用的東西，創造的過程會遇到各種問題，遇到問題解決問題也很有意思。
歡迎體驗產品，也希望你一起來創造。
對啦，我們最近還做了一些好玩兒的事兒。
我們提供一套工具，供人創造，還有一些好玩兒的例子。
這是工具：
pdf2skill：一鍵將專業書籍轉換成 AI 技能（Claude Code / OpenCode）
這些是好玩兒的例子：
給Claude Code一行指令，把《大明王朝1566》變成了一款沉浸式權謀遊戲
賽博養鳥？AI幫我做了一個把現實中拍到的鳥，帶進電子森林裏的遊戲！
泛知識類書籍的Skills能做什麼？我把斯坦福人生設計課變成了【設計之旅】
遠看兇手壞、近看壞兇手、兇手真是壞、真是壞兇手！基於江户川亂步推理筆記的推理遊戲
等等
歡迎加入我們的產品內測羣一起在AI時代創造！
本文由 AI 輔助撰寫 | 理財有風險，購買需謹慎