專案簡介
朋友出遊最常卡在「分帳」：大家花得開心，但最後要翻找轉帳紀錄、對帳、算錢，讓旅行多了不必要的負擔。
2025 和朋友約了一趟體檢行，做了一個在 LINE 群組內的「旅遊記帳小助手」，用自然語言就能快速記帳、即時彙總個人花費、最後一鍵結算分帳。
以後出遊不需要再開 Excel、也不用投票誰做總務，同一個聊天群組隨手記、隨時查，結束時清清楚楚分帳，把時間留給真正重要的旅行回憶。
旅遊記帳小幫手示範影片
專案背景
為什麼出遊需要記帳幫手？
對於一群互相信任的好友，算錢的成本遠大於代墊的費用
朋友出遊時，大家都很樂意墊款、也願意結清帳款，可是因為旅遊過程的錢很雜，每次出遊最後都很難計算，常常要拖了很久才可以算得清。
由於真正的痛點並不是實際帳務的爭議，而是算錢的成本太高。因此，解決方案不是需要更精準的記帳，而是把記帳結算這件事的摩擦降到最低，讓大家隨手記、方便算。
我希望打造一個在 LINE 群組內就能完成所有記帳與分帳的系統，讓記帳變得像聊天一樣自然。
設計理念
- 夠用就好 - 不過度設計，也不欠缺功能
- 零維護成本 - Google Sheets 作為資料庫，無需伺服器
- 零使用摩擦 - 在 LINE 群組中直接對話，無需切換 App
什麼時候用 LLM、什麼時候用固定邏輯？
不是所有問題都該用 LLM 解決
技術選型的本質是「用對的工具解決對的問題」。LLM 擅長語意理解彈性高但速度慢、貴又有一釘的隨機性，數學計算需要快、穩、準，因此選用固定邏輯才能確保產出一致。
LLM vs 固定邏輯決策表
| 功能模組 | 技術選擇 | 為什麼？ |
|---|---|---|
| 自然語言解析 | LLM | 使用者輸入格式多樣，需要彈性理解 |
| 意圖判斷 | LLM | 使用者行為多樣（記帳/查詢/結算/聊天） |
| 分帳計算 | 固定邏輯 | 數學公式確定（632 ÷ 4 = 158），無需彈性 |
| 債務最小化 | 固定算法 | 有標準解法（greedy algorithm），確定性高 |
| 資料讀寫 | 固定邏輯 | Google Sheets API 呼叫，固定格式 |
| 視覺化組裝 | 固定邏輯 | LINE Flex Message JSON 結構固定 |
設計原則
原則 1：LLM 只處理「需要理解語意」的部分
使用者輸入：「小助手，C同學幫墊了 632 元高雄到台南車費，應付人 A同學,B同學,C同學,D同學」
LLM 負責：
- 理解「C同學幫墊了」→ 墊款人 = C同學
- 提取「632 元」→ 金額 = 632
- 解析「應付人 A同學,B同學,C同學,D同學」→ 分帳對象 = 4 人
固定邏輯負責：
- 分帳計算：632 ÷ 4 = 158 元/人
- 寫入 Google Sheets
- 組裝 LINE 回覆卡片原則 2：數學計算與資料處理用固定邏輯
| 場景 | 用固定邏輯的好處 |
|---|---|
| 分帳計算 | 確保計算準確，不浪費 token |
| 結算優化 | Greedy algorithm 保證最優解 |
| 資料寫入 | 速度快、成本零 |
原則 3：成本效益考量
假設每天 100 筆記帳：
方案 A：所有功能都用 LLM
- Token 成本：100 筆 × (解析 + 計算 + 格式化) = 高成本，還要等待 LLM 生成與理解長內容
- 風險：LLM 計算錯誤、格式不穩定
方案 B：只在語意理解用 LLM
- Token 成本：100 筆 × (僅解析) = 低成本，LLM 短內容處理速度快
- 風險：計算與格式由固定邏輯保證正確系統架構
技術選擇的商業邏輯
因為是自用小工具，選擇最快驗證想法、最少維護成本的方案：
| 選擇 | 背後考量 | 技術優勢 |
|---|---|---|
| LINE Bot | 本來就有共同群組，零推廣成本 | Messaging API 標準化 |
| n8n 自動化 | 內部簡單邏輯，n8n 已足夠 | 視覺化流程編排，無需寫程式 |
| OpenAI API | 支援自然語言，降低使用門檻 | 智慧意圖判斷，無需記操作指令 |
| Google Sheets | 所有人都看得到，完全透明 | 零伺服器費用，維護成本最低 |
完全免費的基礎設施 + 低額 API 費用 = 大大改善旅遊分帳的困擾。
工作流程：
技術架構如何解決原始問題
| 原始問題 | 技術解決方案 | 為什麼選這個方案？ |
|---|---|---|
| 使用者要學操作 | OpenAI 語意解析，自然語言即可操作 | LLM 協助翻譯成指令即可 |
| 需要多人分帳 | 固定分帳邏輯 | 數學公式穩定快速 |
| 需要統計誰欠誰錢 | Google Sheets 紀錄 | 零學習成本 + 完全同步透明 |
| 帳務太雜很難理解 | LINE Flex Message（固定模板） | LINE 即時查詢，無需跳轉介面 |
為什麼好用？
| 效益 | 以前 | 現在 |
|---|---|---|
| 記帳時間 | 30 秒/筆（填表單） | 5 秒/筆（一句話） |
| 分帳計算 | 兩個月（收集和彙整耗時） | 30 秒（系統自動） |
| 轉帳次數 | 6+ 次（每人各轉） | 2-3 次（系統優化） |
| 學習成本 | 需要看 App 教學 | 直接在 LINE 群聊 |
| 查詢透明度 | 需要找訊息、翻 Excel | 隨時查看摘要 |
核心功能展示
1. 自然語言記帳
輸入範例：
小助手，C同學幫墊了 632 元高雄到台南車費，應付人 A同學,B同學,C同學,D同學系統回應：
為了這632元的高雄到台南車費，C同學表示：「我幫大家墊錢了，不然我就變成台南的免費車司機啦！」大家也笑說：「那我們得趕快還錢，別讓C同學開個免費計程車行！」2. 個人摘要
輸入範例：
小助手，個人摘要系統回應：
視覺化呈現個人財務狀態：
- 應收／應付總額
- 我墊付的紀錄
- 別人幫我墊付的紀錄
3. 結算分帳
輸入範例：
小助手，總結分帳系統回應：
系統自動計算最優轉帳方案：
- 誰該轉給誰
- 轉帳金額
- 最少轉帳次數（債務最小化算法）
省了多少時間： 從兩個月 → 30 秒
4. 輕量聊天
輸入範例：
小助手，講個 A 同學的笑話
小助手，體檢要注意什麼？系統自動判斷意圖，提供對應回應。
技術策略總結
設計原則
| 原則 | 說明 | 實際應用 |
|---|---|---|
| LLM 只用在語意理解 | 自然語言解析、意圖判斷 | 記帳輸入、功能分流 |
| 數學計算不用 LLM | 有確定解法的用固定邏輯 | 分帳計算、債務優化 |
| 資料處理不用 LLM | 固定格式讀寫不需彈性 | Google Sheets API、Flex Message |
| 成效穩定優先 | 能用固定邏輯就不燒 token | 盡可能確保每次的產出穩定快速 |
適用情境
- 4-8 人朋友出遊
- 短期活動（旅遊、聚餐）
- 台灣國內旅遊（僅支援新台幣）
