Powei Lee

旅遊記帳小幫手

時間： 2025.07

和朋友出遊時，分帳往往成為最麻煩的事。做了一個部署在 LINE 群組內的記帳小助手，用自然語言就能快速記帳、即時查詢、最後一鍵結算。展示如何在對的地方用 LLM（語意理解）、對的地方用固定邏輯（數學計算），把時間留給真正重要的旅行回憶。

LINE Bot自動化流程AI 協作產品設計MVP 驗證LLM 應用策略

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

專案連結：

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：

┌─────────────────────────────────────────────────────────┐
│  使用者在 LINE 群組傳訊息                                 │
│  例：「小助手，A同學墊 500，應付人 A,B,C」                 │
└────────────┬────────────────────────────────────────────┘
             │
┌────────────▼────────────────────────────────────────────┐
│  [n8n Webhook]                                          │
│  • 接收 LINE 訊息 → 轉發到後續邏輯                       │
└────────────┬────────────────────────────────────────────┘
             │
┌────────────▼────────────────────────────────────────────┐
│  [OpenAI API - LLM]                                     │
│  • 解析自然語言 → 提取結構化資料                          │
│  • 判斷使用者意圖 → 分流到對應功能                        │
└────────────┬────────────────────────────────────────────┘
             │
    ┌────────┴────────┬──────────┬─────────┐
    │                 │          │         │
┌───▼──┐         ┌────▼──┐  ┌───▼──┐  ┌──▼───┐
│ 記帳  │         │ 查詢  │  │結算  │  │聊天  │
└───┬──┘         └────┬──┘  └───┬──┘  └──────┘
    │                │         │
    ▼                ▼         ▼
┌──────────────────────────────────────────────────────────┐
│  [固定邏輯層]                                             │
│  • 分帳計算 • Google Sheets 讀寫                         │
│  • 債務最小化 • LINE Flex Message 組裝                   │
└────────────┬─────────────────────────────────────────────┘
             │
┌────────────▼────────────────────────────────────────────┐
│  回傳給使用者（在 LINE 群組中）                            │
└─────────────────────────────────────────────────────────┘

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：

個人摘要示意圖

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：

分帳結算示意圖

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

核心功能試用

記帳測試 Prompt：

小助手，A同學墊付晚餐錢 1000
小助手，A同學墊付晚餐錢 2000，應付人 A同學，C同學

查詢摘要測試 Prompt：

小助手，個人摘要

結算分帳測試 Prompt：

小助手，總結分帳

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）
← 返回專案列表