XplorOne 想做的不是让 AI 替你多记几笔账，而是让它基于真实账本，帮你查询、分析和理解财务。

你有没有过这种经历？

坚持记了大半年流水，账本里堆了上千条记录，可到了月底，还是说不清楚为什么钱没留下。

对着收支饼图看了半天，只知道餐饮、交通、采购花得不少，却搞不懂自己的现金流到底紧在哪里。

给每个项目都分了类，也认真记录了收入和支出，但真要复盘时，还是很难判断哪些项目真的在赚钱，哪些项目只是看起来热闹。

过去几年，记账软件已经把“记一笔”做得越来越快：快捷记账、模板账本、语音录入、图片识别、自动分类……这些能力当然有用，少点几下、少输几个字、少漏几笔账，都是实实在在的体验提升。

但我后来越来越觉得，记账软件真正的问题，可能不只是怎么更快记一笔，而是：记完以后怎么办？

我做 XplorOne，就是从这个问题开始的。

记账入口已经很多，但“理解账本”的工具还不够

我不想把 XplorOne 写成某个现有记账工具的替代品。国内记账工具已经发展出很多成熟方向：有些产品把移动端随手记做得很轻，有些产品围绕家庭账本、生意账、多人协同做得很完整，也有一些工具更适合把数据导出到表格系统里继续处理。

这些工具都有价值。它们也让我确认了一件事：今天的市场里，已经不缺“记账入口”了。

真正缺的，可能是一个能围绕真实账本继续追问、分析和联动的空间。

对超级个体、自由职业者、小型工作室主理人，或者一个人经营一门生意的人来说，真正困难的往往不是“这一笔怎么记”，而是：这段时间的财务状态到底怎么样？收入看起来不错，为什么现金反而更紧？哪些项目只是账面热闹，实际没有留下利润？预算到底是定错了，还是执行过程中出了问题？

这些问题不只是“记账问题”，而是“理解问题”。我认为 AI 真正能改变财务软件的地方，也正在这里。

AI 的价值，不只是替你记账

如果 AI 进入记账软件，只是把鼠标点击变成自然语言，那当然有用，但还不够。

比如用户说：“昨天请客户吃饭 238 元，算项目支出。”

AI 帮你识别金额、日期、分类和项目，生成一条待确认流水，这是一种进步。它确实减少了录入负担。但这仍然只是第一步。

我更关心的是：当账本里已经有足够多真实数据以后，AI 能不能继续往下工作？

比如：“这个月为什么看起来收入不少，但现金流还是紧？”“最近三个月，哪个项目最消耗现金？”“如果下个月收入少一半，哪些支出最应该先看？”

这些问题，靠一张静态报表很难回答，靠一个脱离账本的普通聊天机器人也回答不了。真正有价值的答案，必须建立在用户自己的真实账本上。

这也是我对 AI 财务软件的基本判断：AI 的价值不只是帮用户把账记进去，而是帮用户把账读出来。

我想让本地账本真正被 AI 调动起来

如果 AI 只是停留在软件旁边的聊天框里，它对财务软件的改变其实很有限。它可以回答“怎么控制支出”“自由职业者如何做预算”这类通用问题，但这些回答和用户自己的账本没有真正发生关系。

我更想做的是另一件事：让 AI 在用户授权和配置的前提下，真正接入本地账本，并围绕真实数据工作。

XplorOne 当前有两条接入方式。

第一条，软件本体里的模型配置。用户可以在 XplorOne 里配置自己的模型 API Key，选择自己想使用的模型服务。AI 能力不是一个不可见的统一云端黑箱，而是由用户自己决定接入哪个模型、什么时候启用、怎么测试和切换。

第二条，通过 MCP 和 Skills 接入外部智能体。简单说，MCP 可以让外部 AI 工具通过标准方式调用本地软件能力；Skills 则像一份操作说明，告诉外部智能体怎样理解和使用这些能力。

我希望 XplorOne 不只是在软件内部有一个 AI 助手，也能和 Codex、WorkBuddy，以及未来更多支持 MCP 的智能体工具协作。这样，当用户在外部智能体里工作时，也可以通过受控的本地工具接口，让 AI 查询当前账本、读取必要的结构化数据，再基于这些数据给出分析和建议。

这件事真正改变的是：本地数据库不再只是被动存放流水，而是可以被 AI 工具安全、结构化地调用起来。

AI 应该进入真实财务链路

AI 进入财务软件以后，最容易被误解成两件事：一种是“AI 替你记账”，另一种是“AI 给你理财建议”。前者太浅，后者太泛。

真正有价值的部分，应该发生在中间：AI 基于你的真实账本，帮你把分散在流水、账户、分类、预算和图表里的信息串起来。

比如你问：“这个月收入比上个月多了 2 万，为什么可支配现金反而少了？”

一个脱离账本的 AI，很可能只能回答：“可能是支出增加了，建议你控制预算。”

我希望 XplorOne 能做到的是：让 AI 先回到账本里看。

它应该能看到这个月的收入构成，看到本月是否集中支付了供应商、房租、设备或税费，也应该能看到哪些分类超出了预算，哪些账户在短时间内出现了明显流出。

这样，AI 给出的回答才不再是泛泛建议，而是类似：

“本月收入增加主要来自两个项目，但其中一部分仍属于预收款；同时本月集中支付了几笔供应商款项和季度房租，导致净现金流为负。预算方面，业务招待和软件订阅支出明显超过原计划。”

这时候，AI 才真正参与了财务分析。它不是替你下判断，而是在帮你把账本里已经存在的线索整理出来，让你更容易看见：钱到底是怎么流动的，压力到底来自哪里，哪些地方需要继续追问。

更进一步，AI 的回答不应该停在文字里。如果它提示“业务招待支出超预算”，你应该能继续跳回分类、预算或具体流水；如果它说“某个账户流出异常”，你应该能追到这张卡最近的交易明细。

这就是我所期待的：AI进入真实财务链路。

一人公司需要新的财务基础设施

AI 正在让一个人拥有越来越强的生产能力。一个自由职业者，可以借助 AI 完成内容、设计、代码、运营、客服、资料整理和自动化流程。一个小型工作室，也可以用更少的人完成过去需要团队才能完成的工作。

但财务基础设施还没有真正跟上。

很多超级个体和一人公司，正在变得越来越像一个微型经营体：收入来源更多，合作方式更复杂，工具订阅更多，项目周期更灵活，现金流压力也更细碎。

他们需要的不只是“消费记账”，而是知道钱从哪里来、流向哪里；哪些支出是生活消耗，哪些是经营投入；哪些项目产生真实回报，哪些项目只是占用现金流；预算有没有失控，未来一段时间会不会出现资金压力。

XplorOne 想做的，就是这个方向上的一块基础设施。

对我来说，这不是把记账软件加上一个 AI 聊天框，而是一次产品形态的变化：从“记账工具”走向“财务工作台”，从“录入导向”走向“理解导向”，也从“单软件能力”走向“AI 协作能力”。

软件内部可以使用用户配置的模型服务进行查询、录入和分析；软件外部也可以通过 MCP 和 Skills，让 Codex、WorkBuddy 这样的智能体在受控边界内读取本地账本的结构化数据。

账本在本地。模型由用户选择。软件内部可以分析。外部智能体也可以通过标准接口协作。所有能力都围绕真实财务数据展开。

这才是我理解的“AI 财务工作台”。

过去，记账软件主要帮用户把账记下来；后来，语音记账和图片识别让录入更轻；而未来，真正重要的可能是：让 AI 基于真实账本，帮用户理解自己的财务状态，并能把分析结果带回具体的图表、流水和决策场景里。

了解与反馈

目前你可以在 XplorOne 官网了解和下载 Windows 版本：
https://www.xplorone.com/

产品说明、版本记录和问题反馈，会继续放在 GitHub 项目页：
https://github.com/SimonZhangM/XplorOne

如果你对 AI 如何参与财务分析、本地优先账本、MCP / Skills 外部智能体协作，或者个人 / 工作室财务管理有自己的想法，也欢迎在评论区聊聊。我会认真看每一条反馈。