展示HN：Ledgr – 离线财务跟踪器，具备本地LLM分类功能
我创建了Ledgr，因为我厌倦了给Plaid提供我的银行账户访问权限，并为此每年支付99美元的费用。
这是一个适用于macOS的桌面应用程序（目前仅支持Apple Silicon）。你可以导入Chase的CSV文件，所有数据都会存储在本地的SQLite数据库中，交易会自动分类。应用内有50多个内置规则，学习型规则会随着你的修正而不断改进，还有一个可选的本地LLM，通过llama.cpp实现。你可以使用自己的GGUF模型。没有API调用，没有云服务，没有遥测数据。
技术栈：Tauri 2.0（Rust + React）、SQLite、llama.cpp绑定。我在其他工具中没有见过的一点是：每笔交易都会显示其分类的原因（规则名称、置信度分数或“手动”）。你可以设定预算、过滤/搜索，并导出为CSV文件。
目前是免费的，并且采用MIT许可证。功能有限：仅支持Chase CSV，仅适用于macOS。我想先发布看看是否有人对这种方法感兴趣。
GitHub: [https://github.com/Humanji7/ledgr](https://github.com/Humanji7/ledgr)
下载（macOS ARM）：[https://github.com/Humanji7/ledgr/releases/latest](https://github.com/Humanji7/ledgr/releases/latest)
查看原文
I built Ledgr because I was tired of giving Plaid access to my bank account and paying $99/year for the privilege.<p>It’s a desktop app for macOS (Apple Silicon only for now). You import Chase CSV files, everything goes into local SQLite, and transactions get categorized automatically. There are 50+ built-in rules, learned rules that improve as you correct them, and an optional local LLM via llama.cpp. You bring your own GGUF model. No API calls, no cloud, no telemetry.<p>Stack: Tauri 2.0 (Rust + React), SQLite, llama.cpp bindings. One thing I haven’t seen in other tools: every transaction shows <i>why</i> it was categorized (rule name, confidence score, or “manual”). You can set budgets, filter/search, and export to CSV.<p>Free and MIT licensed. Limited right now: only Chase CSV, only macOS. I wanted to ship and see if anyone else cares about this approach.<p>GitHub: <a href="https://github.com/Humanji7/ledgr" rel="nofollow">https://github.com/Humanji7/ledgr</a>
Download (macOS ARM): <a href="https://github.com/Humanji7/ledgr/releases/latest" rel="nofollow">https://github.com/Humanji7/ledgr/releases/latest</a>