UnderDoc Tutorial - Expense Analytics using GenAI and MCP server for SQLite DB

##1. UnderDoc Tutorial - Expense Analytics using GenAI and MCP server for SQLite DB 是什么？
🛠️ 这是一套用于支出分析的本地化实践教程，结合了生成式 AI 和 MCP 协议支持的 SQLite 数据服务。它的目标很明确：把纸质或图片形式的收据，转化成可查询、可分析的结构化数据，并在本地完成全流程处理。

2. 为什么需要它？

以往要从收据中提取信息，通常得手动输入金额、日期和商家，费时且容易出错。尤其当涉及多语言、多币种票据时，整理成本更高。如果再想做趋势分析或费用分类，往往还要导入到 Excel 或财务系统里写公式、调格式，流程割裂。

这个工具链改变了这一点。你上传一张收据图片后，系统会通过 UnderDoc API 自动识别关键字段，比如总金额、消费时间、商户名称，并将这些内容存入本地 SQLite 数据库。整个过程不需要联网传输敏感数据，也不依赖外部 SaaS 平台。

接着，借助 Metabase 可视化工具，你能直接连接这个数据库，用点击操作生成月度支出趋势图、类别分布饼图等报表，无需写 SQL。对非技术人员来说，这意味着可以跳过数据清洗和建模阶段，快速获得洞察。

3. 核心能力速览

✅ 自动生成结构化支出数据
上传图像后，系统利用 GenAI 提取文本并解析出标准字段（如金额、币种、日期），转换为数据库记录。支持多种语言和常见收据格式，减少人工干预。

✅ 本地运行的数据闭环
基于 Python + Docker 构建，所有组件（包括 AI 接口、MCP 服务、SQLite 存储）都在本地启动。数据不出内网，适合处理含敏感信息的报销单据。

✅ 零代码数据分析体验
通过集成 Metabase，用户能以可视化方式探索支出模式。点选维度和指标即可生成图表，适合财务人员或个人用户做日常监控。

✅ 端到端可验证的工作流
开发者可以用它快速测试 MCP 工具与数据库的交互逻辑，观察上下文如何在模型与存储之间流转，便于调试和二次开发。

4. 适合谁？怎么用？

👉 主要适用于三类使用者：

• 个人用户：经常出差、需要归集报销凭证的人，可用它自动整理电子台账；
• 财务或运营角色：处理多币种、多语言发票时，能统一提取并归类数据；
• 开发者：希望在本地验证 AI + MCP + 数据库联动逻辑，避免初期就投入复杂架构。

建议从官方教程提供的 Docker Compose 配置入手，一键拉起服务。先试传几张清晰的收据图，观察数据是否准确入库，再进入 Metabase 尝试构建简单看板。只要基础环境具备（Python、Docker），半天内就能跑通全流程。