SlothFinance: 구독료 누수를 찾고 해지 문안을 만드는 오픈소스 AI

AI 요약

SlothFinance는 은행 거래 내역을 분석해 잊힌 구독과 조용한 요금 인상을 찾고, 해지 문안까지 작성하는 오픈소스 프로젝트입니다. 사용자는 은행 CSV를 넣거나 미리 준비된 테스트 데이터를 고릅니다. 프로젝트는 TabPFN-3.5로 결제 주기와 금액 변화를 분석하고 Gemma 2로 Sloth 점수표, 지출 진단, 해지 문안을 생성한다고 설명합니다.

거래 분석과 결과 생성

글에 따르면 TabPFN-3.5는 별도 미세조정 없이 거래 내역의 주간, 격주, 월간, 연간 결제 주기를 분류합니다. 최근 결제액이 과거 기준보다 올랐는지 살펴 요금 인상도 표시하고, 아무 조치도 하지 않을 때 36개월간 누적될 지출을 예측합니다. 코드 예시는 거래 특성을 추출하고 합성 분포로 분류기를 학습한 뒤 예측 확률을 바탕으로 이상 거래 보고서를 만드는 구조입니다.

Gemma 2는 분석 결과를 일상적인 표현으로 바꾸고, FTC Click-to-Cancel 규정과 캘리포니아 자동 갱신 법을 언급하는 해지 및 환불 요청 문안을 작성합니다. 사용자는 대시보드에서 문안을 복사하거나 이메일 작성에 활용하고 텍스트 파일로 내보냅니다. 글은 Google Pages와 Vercel의 웹 앱, Render 배포 설정도 제공합니다. Render 설정에는 Python API 서버와 정적 프런트엔드, GEMMA_API_KEY 환경 변수가 포함됩니다.

개인정보 처리 주장

글은 은행 거래 CSV가 브라우저 메모리를 벗어나지 않고 TabPFN과 Gemma 2 추론도 기기에서 실행된다고 주장합니다. 폐쇄형 API로 원본 금융 데이터를 보내지 않아도 된다는 점을 오픈 웨이트 사용 이유로 제시합니다. 동시에 Render 백엔드와 GEMMA_API_KEY를 설정하는 배포 구성을 보여주지만, 이 구성에서 모델 추론과 데이터 처리가 어디서 이뤄지는지는 설명하지 않습니다.

dev.to 반응

• @aikotanaka — 반복 결제와 이상 탐지에 TabPFN을 쓰고 설명과 조치 생성에 Gemma를 쓰는 분리는 타당해 보입니다. 두 모델 사이에 거래 ID, 결제 주기 신뢰도, 가격 변경 이력, 탐지 규칙을 담은 구조화된 근거 객체를 전달하는 방식을 고려하겠습니다. 그러면 언어 모델이 그 객체에 있는 근거만 인용하도록 하고, 수치 판단은 생성 모델 밖에 둘 수 있습니다. 해지 제안을 재현하고 감사하기도 쉬워집니다. 탐지기가 바뀔 때 연간 갱신, 환불, 불규칙한 공공요금 같은 경계 사례를 포함한 작고 재현 가능한 테스트 세트로 검증하는 방법도 도움이 됩니다.

원문: dev.to / 번역·요약: Trawling