LLM 기반 AI 스마트 가계부 서비스
2030 세대의 지출 절제와 금융 관리를 돕는 AI 가계부
불안한 경제 상황 속에서 젊은 세대가 소비를 더 스마트하게 관리할 수 있도록,
지출 내역을 AI가 자동 분석하고 리포트를 제공하는 가계부 서비스를 개발했습니다.
- 개발 기간: 2025.06 (약 2주)
- 팀 구성: FE 3명, BE 2명
해당 깃허브 레포지토리는 FastAPI기반으로 구축된 LLM API 서버입니다.
- 실시간 채팅
- 리포트 생성
등의 기능을 API 형태로 제공하며, Docker 지원으로 어디서든 손쉽게 배포 및 실행할 수 있습니다. (현재는 API 키 사용 중단으로 중단된 서비스입니다.)
| 분야 | 기술 |
|---|---|
| Language | Java, Python |
| Framework | Spring Boot, FastAPI |
| AI/LLM | OpenAI GPT-4.1-mini |
| Infra | AWS EC2, Docker |
| Database | MySQL |
| Tools | GitHub, Slack, Trello |
실시간 채팅 API
사용자 입력을 받아 LLM을 통해 즉시 응답 반환
- 자연어 지출 입력 → JSON 구조화
“6월 5일 스타벅스 5300원” → {"date": "2024-06-05", "category": "식비", "amount": 5300, "memo": "스타벅스"}
리포트 생성 API
- AI 소비 분석 리포트
- 총 소비 / 카테고리별 지출 비율
- 예산 대비 소비율
- 주차별 소비 패턴 분석
- 개선 피드백 자동 제공
- 멀티 스테이지 Docker 빌드 적용 → 이미지 크기
1.44GB → 733MB (약 49% 감소) - Spring Boot CORS 문제 해결 →
WebMvcConfigurer설정으로 프론트와 정상 통신 - AWS EC2 환경에서 안정적으로 서비스 배포
ProjectLab_LLM/
├── .dockerignore
├── .gitignore
├── Dockerfile
├── requirements.txt
├── main.py # FastAPI 앱 실행 및 라우터 설정
├── routers/ # API 엔드포인트 정의
│ ├── chat.py # 챗봇 대화 (소비내역 저장 / 피드백 요청)
│ └── report.py # 월별 리포트 생성
├── schemas/ # Pydantic 스키마 정의
│ ├── chat_schema.py
│ └── report_schema.py
└── services/ # 비즈니스 로직
├── chat_service.py
└── report_service.py- Endpoint:
POST /api/chat/ - Request Body 예시:
{
"userId": 1,
"message": "오늘 스타벅스에서 아메리카노 4500원 마셨어"
}- Response 예시 (지출 저장):
{
"type": "save_expense",
"reply": "카페 카테고리로 4500원을 기록했어요.",
"data": {
"userId": 1,
"saveType": 0, // 0=지출, 1=수입
"category": "카페",
"amount": 4500,
"date": "2025-06-11",
"description": "스타벅스 아메리카노"
}
}- Response 예시 (피드백):
{
"type": "feedback",
"reply": "월급이 30만원인데 오늘 15만원을 쓰셨군요. 남은 기간 동안 필수 지출에 집중하시고, 불필요한 소비를 줄이는 게 좋겠습니다.",
"data": null
}- Endpoint:
POST /api/report/ - Request Body 예시:
{
"userId": 123,
"month": "2025-05",
"monthBudget": 500000,
"data": [
{ "category": "카페", "amount": 12000, "date": "2025-05-01", "description": "커피" },
{ "category": "식비", "amount": 50000, "date": "2025-05-03", "description": "고기" },
{ "category": "의류", "amount": 250000, "date": "2025-05-06", "description": "옷쇼핑" }
]
}- Response 예시 (최종):
{
"userId": 123,
"month": "2025-05",
"summary": {
"totalSpent": 412000,
"categoryBreakdown": {
"식비": 150000,
"카페": 12000,
"의류": 250000
},
"monthlyBudget": 500000,
"notes": "5월 한 달간 주로 식비와 의류에 많은 지출이 있었으며, 특히 6일 의류 소비가 전체 예산의 절반을 차지했습니다. 카페 지출은 적은 편이지만 식비는 매일 일정하게 누적되어 예산에서 큰 비중을 차지했습니다."
},
"suggestions": {
"식비": "외식 줄이기, 장보기 계획 세우기",
"의류": "큰 지출 전 계획 수립 권장",
"전체": "월 지출 점검과 사전 계획으로 예산 관리"
},
"riskCategory": ["의류", "식비"]
}