name: refund-radar
description: 扫描银行对账单，检测周期性扣款，标记可疑交易，并通过交互式 HTML 报告草拟退款请求。

refund-radar

扫描银行对账单，检测周期性扣款，标记可疑交易，识别重复项和费用，草拟退款请求模板，并生成交互式 HTML 审计报告。

触发词

• “扫描我的银行对账单以查找退款”
• “分析我的信用卡交易”
• “在我的对账单中查找周期性扣款”
• “检查重复或可疑扣款”
• “帮助我对一笔扣款提出异议”
• “生成退款请求”
• “审计我的订阅”

工作流程

1. 获取交易数据

向用户索取银行/信用卡 CSV 导出文件或粘贴的文本。常见来源：

• Apple Card：钱包 → 卡片余额 → 导出
• Chase：账户 → 下载活动 → CSV
• Mint：交易 → 导出
• 任何银行：从交易历史记录下载为 CSV

或接受粘贴的文本格式：

2026-01-03 Spotify -11.99 USD
2026-01-15 Salary +4500 USD

2. 解析与标准化

对用户数据运行解析器：

python -m refund_radar analyze --csv statement.csv --month 2026-01

或针对粘贴的文本：

python -m refund_radar analyze --stdin --month 2026-01 --default-currency USD

解析器自动检测：
- 分隔符（逗号、分号、制表符）
- 日期格式（YYYY-MM-DD、DD/MM/YYYY、MM/DD/YYYY）
- 金额格式（单列或借/贷）
- 货币

3. 审查周期性扣款

工具通过以下方式识别周期性订阅：
- 同一商户在 90 天内出现 >= 2 次
- 金额相似（在 5% 或 2 美元范围内）
- 周期一致（每周、每月、每年）
- 已知订阅关键词（Netflix、Spotify 等）

输出显示：
- 商户名称
- 平均金额和周期
- 最近扣款日期
- 下次预期扣款日期

4. 标记可疑扣款

工具自动标记：

5. 与用户确认

对于标记的项目，以 5-10 个为一批询问：

• 这笔扣款是否合法？
• 我是否应将此商户标记为预期扣款？
• 您是否需要为此生成退款模板？

根据回答更新状态：

python -m refund_radar mark-expected --merchant "Costco"
python -m refund_radar mark-recurring --merchant "Netflix"

6. 生成 HTML 报告

报告保存至 ~/.refund_radar/reports/YYYY-MM.html

复制 template.html 结构。包含以下部分：
- 摘要：交易数量、总支出、周期性扣款数量、标记数量
- 周期性扣款：包含商户、金额、周期、下次预期扣款日期的表格
- 意外扣款：包含严重性和原因的标记项目
- 重复项：同一天的重复扣款
- 类似费用：ATM 费、外汇费、服务费
- 退款模板：可直接复制的邮件/聊天/争议消息

功能：
- 隐私切换（模糊商户名称）
- 深色/浅色模式
- 可折叠部分
- 模板上的复制按钮
- 自动隐藏空部分

7. 草拟退款请求

针对每个标记的扣款，生成三种模板类型：
- 邮件：正式的退款请求
- 聊天：用于在线客服的快速消息
- 争议：银行争议表单文本

每种类型提供三种语气变体：
- 简洁（默认）
- 坚定（自信）
- 友好（礼貌）

模板包含：
- 商户名称和日期
- 扣款金额
- 基于标记类型的争议原因
- 卡号后四位、参考编号的占位符

重要：生成的文本中不包含撇号。

CLI 参考

# 分析对账单
python -m refund_radar analyze --csv file.csv --month 2026-01

# 从标准输入分析
python -m refund_radar analyze --stdin --month 2026-01 --default-currency CHF

# 将商户标记为预期扣款
python -m refund_radar mark-expected --merchant "Amazon"

# 将商户标记为周期性扣款
python -m refund_radar mark-recurring --merchant "Netflix"

# 列出预期商户
python -m refund_radar expected

# 重置学习状态
python -m refund_radar reset-state

# 导出月度数据
python -m refund_radar export --month 2026-01 --out data.json

写入的文件

隐私

• 无网络请求。 所有操作均在本地运行。
• 无外部 API。 不使用 Plaid 或任何云服务。
• 您的数据仅保存在您的设备上。
• 报告中的隐私切换。 一键模糊商户名称。

要求

• Python 3.9+
• 无外部依赖

仓库

https://github.com/andreolf/refund-radar