Ledgr: 로컬 LLM 기반의 오프라인 개인 금융 가계부 도구

핵심 요약

개인 금융 데이터의 프라이버시를 보호하기 위해 클라우드 연동 없이 로컬에서 작동하는 가계부 앱 Ledgr가 공개됐다. macOS(Apple Silicon) 전용으로 개발된 이 앱은 SQLite를 저장소로 사용하며 llama.cpp를 통해 로컬 LLM으로 거래 내역을 자동 분류한다. 사용자가 직접 GGUF 모델을 제공하여 외부 API 호출 없이도 지능적인 데이터 관리가 가능하다. 현재 Chase 은행의 CSV 파일만 지원하며 MIT 라이선스로 배포되는 오픈소스 프로젝트이다.

배경

macOS (Apple Silicon), GGUF 모델 파일, 기본적인 LLM 사용 지식

대상 독자

개인정보 보호를 중시하며 로컬 AI를 활용하고 싶은 macOS 사용자 및 개발자

의미 / 영향

개인용 소프트웨어에서 로컬 LLM의 실용적인 활용 사례이다. 특히 금융 데이터와 같이 민감한 정보를 다룰 때 클라우드 의존성을 제거하는 기술적 방향성을 담고 있다.

섹션별 상세

개인정보 보호를 최우선으로 설계된 오프라인 아키텍처를 채택했다. Plaid와 같은 외부 금융 API 연동을 배제하고 사용자가 직접 은행 CSV 파일을 업로드하는 방식을 사용하며 모든 데이터는 로컬 SQLite에 저장된다. 클라우드 서버와의 통신이나 텔레메트리 전송이 전혀 없어 민감한 금융 데이터의 유출 위험을 원천적으로 차단했다.

로컬 LLM을 활용한 지능형 거래 분류 시스템을 구축했다. llama.cpp 바인딩을 통해 사용자가 보유한 GGUF 모델을 직접 연결하여 거래 내역을 자동으로 카테고리화한다. 50개 이상의 기본 규칙과 함께 사용자의 수정 사항을 학습하는 기능이 포함되어 있어 사용 기간이 늘어날수록 분류 정확도가 점진적으로 향상된다.

Tauri 2.0 프레임워크를 기반으로 Rust와 React를 결합하여 가볍고 안전한 실행 환경을 제공한다. 각 거래마다 분류된 근거인 규칙 이름이나 신뢰도 점수를 명시하여 시스템의 투명성을 확보했다. 현재는 초기 개발 단계로 macOS ARM 아키텍처와 Chase 은행의 CSV 파일 형식만 지원한다.

실무 Takeaway

개인 금융 데이터 보안을 위해 클라우드 API 대신 로컬 LLM과 SQLite를 결합한 오프라인 도구가 실질적인 대안이 된다.
llama.cpp와 GGUF 모델을 활용하면 별도의 서버 비용이나 데이터 유출 걱정 없이 데스크톱 앱 내에서 고성능 텍스트 분류 기능을 구현할 수 있다.
Tauri와 Rust를 사용하면 로컬 리소스를 효율적으로 사용하면서도 현대적인 웹 UI를 갖춘 보안 중심의 AI 애플리케이션 개발이 가능하다.

언급된 리소스

GitHubLedgr GitHub Repository

GitHubLedgr Releases