-
Notifications
You must be signed in to change notification settings - Fork 1
Home
Luigi Corsaro edited this page Mar 16, 2026
·
2 revisions
Registro finanziario personale unificato con pipeline ibrida deterministica + LLM. Offline-first · Privacy-safe · Open source
🔗 Repository GitHub · Landing page
| Pagina | Descrizione |
|---|---|
| Progetto | Architettura, modello dati, stack tecnologico, decisioni di design |
| Pipeline | Flusso completo di importazione passo-passo |
| Guida Utente | Come usare l'app: import, review, regole, analisi |
| Configurazione | Impostazioni, backend LLM, provider API (Ollama, OpenAI, Claude…) |
| Deployment | Installazione locale, Docker Compose, backup e ripristino |
| Reference Guide | Riferimento tecnico completo: normalizzatore, classificatore, categorizzatore |
| Regole Deterministiche | Come funzionano le regole di categorizzazione |
| Strumenti Deterministici | Tool CLI e utilità di debug della pipeline |
git clone https://github.com/drake69/spendify.git && cd spendify
uv sync
ollama pull gemma3:12b
uv run streamlit run app.pyApri http://localhost:8501 → Impostazioni → aggiungi i tuoi conti → importa.
File CSV/XLSX
→ Pre-processing (strip righe sparse, drop colonne metadati)
→ Classificatore (fingerprint SHA-256 → LLM se schema nuovo)
→ Normalizzatore (encoding, parse_amount Decimal, SHA-256 tx_id)
→ Riconciliatore RF-03 (carta–conto corrente, 3 fasi)
→ Rilevatore RF-04 (giroconti interni)
→ Description cleaner (LLM: rumore → testo canonico)
→ Categorizzatore (regole → regex → LLM → fallback)
→ Database SQLite (upsert idempotente)
Wiki generata da docs/ — aggiornata al 2026-03-16