北京
“这个月钱到底花哪儿了，这么快就见底？”多数人打开银行App，面对一串FT261982739281 VND这样的简写交易记录，根本提不起兴趣逐条分析。有人转头下载记账软件，但手动输入每一笔开销的麻烦，让超过九成的人在三天之内就彻底放弃。把记账这件事扔回给用户，从来就不是为人性优化的设计。
参加XBrain AWS加速器比赛时，我们第4组决定直接解决这个痛点，搞出一个给越南用户用的AI理财教练BudgetBot。它的逻辑很简单：用户只需上传银行对账单文件（CSV、Excel、PDF）或者VCB、Techcombank、MoMo等支付的截图，AI自动分类交易、算出预算，然后直接对话给建议。本地跑一个AI应用挺顺，可真要搬到AWS云上，保证它跑得稳、保护好敏感的财务数据、承担真实流量还要控制成本，就成了另一道难题。下面就是那48小时里，我们真实云架构设计的记录。
BudgetBot的AWS基础设施是按生产环境来设计的，拆成清晰分层以实现高可用、分层安全和负载自动伸缩。在敲定架构的过程中，有两个关键决策直接改变了应用的性能和运营开销，尤其是后台任务计算引擎的选型。
一开始，团队讨论过用AWS Lambda（无服务器函数服务）来处理解析对账单文件的工人任务，它便捷、部署快。但最终，我们选了ECS Fargate（容器服务），原因非常实际：第一，绕过硬超时。给支付截图跑Textract图像OCR，或者对几千笔交易调用Bedrock批量分类，都是很重、耗时长的活。Lambda函数最长只能跑15分钟，随时可能被掐断，而ECS Fargate工作节点没有执行时间限制，能保证作业百分之百做完。第二，成本更容易预测。Lambda按请求次数和执行毫秒数线性计费，在大流量、持续负载下，费用会越滚越大，极难控制。ECS Fargate运行更平稳，可以设好最少和最多容量，对于长时间连续计算的工作，成本优化要好得多。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
