很多小店老板的采购记账，其实不是从系统开始的。
是从一个微信群开始的。
老板、采购、会计、烧烤师傅、凉菜师傅，谁买了东西，就往群里丢一张图。
有时候是付款截图。
有时候是采购单。
有时候是拼多多、京东、微信转账、手写收据。
大家这么做很正常。
因为对一线员工来说，最省事的动作就是：
买完，截图，发群里。
问题是，后面必须有人把这些图一张张打开，再记到账里。
这活儿以前通常就两种办法。
第一种，老板自己干。
白天忙店里，晚上或者早晨不忙的时候，把群里的图翻出来，一张一张看金额、看日期、看买了什么，再往表里填。
一天少说也得 1 到 2 个小时。
第二种，找个兼职或者会计。
但在北京，一个能稳定做这类记账、会用表格、还能跟老板沟通清楚的人，一个月几千块很正常，差不多要按 4000 元这个量级去算。
对很多小店来说，这不是一笔小钱。
而且最麻烦的不是“记进去”。
是这些图本来就是乱的。
有人发付款码截图，有人发手写单，有人发平台订单，有人发聊天记录。
同一天的图可能分散在群里，日期也不一定就是这笔账归属的日期。
小老板过去喜欢手写账本，不是因为手写更高级，是因为简单。
但手写账本有个硬伤：
后面没法统计。
你想看这个月肉类花了多少，调料花了多少，哪个供应商变化大，哪天采购异常，基本都得重新翻。
这次我做的，不是让 AI 写一段记账总结。
而是把这件事拆成了一个小项目。
项目现在就叫：
`鑫隆采购记账`
逻辑很朴素。
每天把采购群里的截图集中放到一个 `incoming` 文件夹。
程序会批量处理这些图片。
先判断哪张是手写汇总单，哪张是普通采购凭证。
手写汇总单作为当天对账基准。
普通凭证交给视觉模型识别，提取金额、品项、供应商、支付方式、采购类别。
然后写入飞书多维表格里的“采购记账”表。
写进去还不算完。
它还要继续对账。
看手写单上有的，凭证里有没有。
凭证里有的，手写单有没有。
金额差 1 元以内，是不是四舍五入。
上方合计和最终合计中间有没有扣除项。
重复发过的图，也不能直接丢掉，因为有些重复图可能上次没参与对账。
这几天项目里已经处理归档了 76 张采购相关图片。
不是所有图片都长得规矩，但现在这套流程已经能把大部分内容识别出来，并且按手写单日期归到飞书表里。
模型也不是一上来就用最贵的。
图片识别用的是相对便宜的 Qwen 视觉模型。
项目说明里估算过，每天 20 张图，大概也就 1 到 2 分钱。
一个月可能就是几毛钱级别。
这和每天 1 到 2 小时人工，或者一个月几千块会计成本，不是一个量级。
当然，这里真正值钱的不是“用了哪个模型”。
是有人把老板那句很土的话翻译成了系统：
“群里这些采购截图，能不能自动帮我记到账里？”
这句话背后其实要拆很多东西：
什么算采购凭证？
什么算汇总单？
日期听谁的？
金额小数怎么处理？
重复图怎么处理？
哪些要标记给人复核？
数据最后放到哪里，方便以后统计？
这些问题，小老板不一定能讲成产品需求。
传统产品经理能做，但通常要带设计、开发、测试，一个小店也很难为了这事拉一个团队。
现在不一样。
FDE 工头的价值就在这里。
先听懂老板的土办法。
再把它拆成流程、规则、表格和代码。
最后交给 Agent 去执行。
对老板来说，他不需要理解什么多模态模型、Python、飞书 API。
他只需要知道：
以后采购群里那些乱七八糟的截图，可以变成一张能查、能算、能复盘的采购表。
这比手写账本性感多了。
因为账一旦进了表，后面才有分析。
哪个品类花得多。
哪个供应商变化大。
哪天采购异常。
哪些凭证缺失。
这些过去靠老板脑子记、靠会计手工翻的事，才有机会被长期追踪。
我越来越觉得，小老板真正需要的 AI，不是上来给他讲趋势。
而是先帮他接住这种每天都在发生、但没人愿意每天认真整理的脏活。