Если вы управляете малым бизнесом или работаете фрилансером, вы, вероятно, знаете ежемесячный ритуал: экспортируйте выписку по счету в формате CSV, откройте ее в электронной таблице и введите «Программное обеспечение», «Путешествия», «Банковские сборы» рядом с двумястами строками «ПЛАТЕЖ КАРТОЙ В ADOBE *CREATI…»
Если вы управляете малым бизнесом или являетесь фрилансером, вы, вероятно, знаете ежемесячный ритуал: экспортируйте выписку по счету в формате CSV, откройте ее в электронной таблице и введите «Программное обеспечение», «Путешествия», «Банковские сборы» рядом с двумястами строками CARD PAYMENT TO ADOBE *CREATIVE 12/09 REF 88812. Это скучно, и это именно то, в чем хорошо разбирается LLM, если вы придаете ему правильную форму проблемы.
В этом посте рассказывается, как я построил рабочий процесс n8n, который принимает любой банковский CSV-файл, классифицирует каждую транзакцию с помощью Google Gemini (уровень бесплатного пользования) и добавляет результаты в Google Таблицы с пометками проверки. Самое интересное не в том, чтобы «отправлять строки в AI». Именно три вещи делают его дешевым, воспроизводимым и безопасным для настоящих книг.
Архитектура
Форма n8n (загрузка CSV, валюта, формат даты)
-> Извлечь из файла (строки CSV)
-> Код: нормализовать транзакции
-> Код: группа уникальных торговцев, 40 в партии
-> Базовая цепочка LLM + Gemini + анализатор структурированного вывода
-> Код: назад категории карт + флажки просмотра
-> Google Таблицы: добавить или обновить по txn_id
-> Страница заполнения формы со сводкой
Все встроено в узлы n8n. Никаких узлов сообщества, никакой векторной базы данных, никакого платного API.
Шаг 1. Нормализуйте CSV любого банка