
flow
flow is a minimalist terminal dashboard that displays real-time network throughput with smooth animations, multiple responsive modes, and zero configuration.
全本地處理、零雲端/LLM、每家銀行獨立的純規則解析器,保證可審計性與隱私,並提供免重抓信件的重建工作流程。
把散落在 Gmail 裡的銀行/信用卡帳單,安靜地收攏成一本私密、離線的財務帳。
Mailquill 讀取你 Gmail 中的台灣銀行/信用卡財務信件(電子帳單、消費通知、收據),解密 PDF、用純規則解析成結構化交易、做兩層分類,寫入 CSV(唯一真實來源),再產生一份自包含的離線 HTML 儀表板,讓你核對消費紀錄/金流/類別統計。
🔒 全本地處理:純 rule-based,零 LLM、零雲端;Gmail 僅唯讀存取。你的帳單、金額、卡號從不離開這台電腦。
passwords.txt)自動嘗試解鎖電子帳單。關鍵字 → (第一層, 第二層),大小寫/全半形不敏感;改完一鍵重分類。總覽:淨消費/筆數/月均 + 月度趨勢;一鍵切換深色主題,分類/品類支援階層勾選(虛線=部分選取)。
分類拆解:第一層占比圓餅 + 第二層品類 Top,長條/圓餅可切換。
負向表列:品類「排除」模式(紅色刪除線)+跨銀行篩選。
python3 -m venv .venv
.venv/bin/python -m pip install -e . # 安裝
.venv/bin/python -m pip install -e ".[dev]" # 含測試相依(選用)
# 1) 設定 Google OAuth、config.yaml、passwords.txt(見 docs/SETUP.md)
# 2) 從既有 Gmail Label 產生抓取規則草稿,檢查後即可
mailquill bootstrap
# 3) 抓信 → 解密 → 解析 → 分類 → 寫入 CSV / 重建 DB
mailquill run
# 4) 產生離線 HTML 儀表板
mailquill report # → report.html,用瀏覽器打開
完整的 Google Cloud OAuth 申請、設定檔與密碼清單步驟,請見 設定指南 · docs/SETUP.md。
mailquill與python -m mailquill.cli等價。
Mailquill 的核心是 CSV 是唯一真實來源(single source of truth),SQLite 與 HTML 報表都只是它的衍生產物、隨時可丟可重建。這讓大多數日常操作完全不需要再連 Gmail:
| 你想做的事 | 指令 | 會不會連 Gmail? |
|---|---|---|
| 納入新到的帳單信 | mailquill run | ✅ 需要(只有這件事需要) |
| 改了分類規則,想重新歸類 | mailquill rebuild | ❌ 只讀 CSV → 重新分類 → 重建 DB |
| 換報表視角/樣式、重出儀表板 | mailquill report | ❌ 只讀 DB → 產生 HTML |
| SQLite 不小心壞了/刪了 | mailquill rebuild | ❌ 由 CSV 完整重建 |
┌──────────── 只有這一步碰 Gmail ────────────┐
Gmail ──(唯讀抓信)──▶ run ──▶ 解密PDF ──▶ 各家 parser ──▶ 正規化 ──▶ 分類
│
▼
transactions.csv ◀── 唯一真實來源(去重)
│
rebuild(改了 categories.yaml) ◀──┤
▼
mailquill.db(可重建的查詢層)
Local, rule-based Gmail finance archiving & reporting — your bank statements, quietly reconciled. 100% local, zero cloud.
根据分类、Topic 和编程语言匹配的相似项目。

flow is a minimalist terminal dashboard that displays real-time network throughput with smooth animations, multiple responsive modes, and zero configuration.
Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.
A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.