Automatische Tag-Vorschläge – Tippen, nicht Eintippen
Nach der Auswahl einer Kategorie schlägt das geräteeigene LLM bis zu drei Tags als tippbare Pill-Chips vor – mit einem Embedding-Fallback, der auch dann sofort bleibt, wenn das Modell noch aufwärmt.
Warum manuelles Taggen im großen Maßstab versagt
Tags sind eine der schärfsten Möglichkeiten, Ausgaben in Budgie zu verstehen. Du kannst nach Projekt, Reise, Person oder Zweck schneiden, statt nur nach Händler oder Kategorie. Der Haken ist Konsistenz: Tastaturen sind langsam, Schreibweisen driften, und der richtige Tag-Name ist leicht vergessen. Schnell hat die Analyseansicht Label-Lücken, die die Daten weniger nützlich machen.
Automatische Tag-Vorschläge beseitigen den Aufwand, ohne die Kontrolle zu nehmen. Nach der Auswahl einer Kategorie analysiert das geräteeigene LLM den Händlernamen, die Kategorie und Ihre historischen Tagging-Muster, um die drei relevantesten Tags als pillenförmige Chips vorzuschlagen. Ein einziges Tippen fügt den Tag hinzu. Sie können weiterhin neue eingeben – die Vorschläge sind additiv, kein Ersatz für das Textfeld.
LLM primär, Embedding-Fallback – immer schnell
Das Primärmodell ist das geräteeigene Qwen3 1.7B Sprachmodell. Es ordnet Tag-Kandidaten aus Ihrem bestehenden Tag-Vokabular nach semantischer Ähnlichkeit mit dem Transaktionskontext – Formulierungsvarianten erfassend, die ein einfacher Text-Lookup übersehen würde. Wenn das LLM noch lädt oder mit einer anderen Inferenz beschäftigt ist, übernimmt der Embedding-Fallback: ein Nächster-Nachbar-Lookup über 768-dimensionale Embeddings Ihrer vergangenen getaggten Transaktionen, der in Millisekunden läuft, ohne auf das LLM zu warten.
Beide Engines laufen vollständig auf Ihrem Gerät. Kein Netzwerkaufruf, kein Anbieter-Profiling. Das LLM sieht nie einen rohen Tag-Vokabular-Upload – es schlussfolgert aus dem Transaktionskontext und gibt priorisierte Vorschläge aus den Tags zurück, die Sie bereits in Budgie verwenden.
Was Sie erhalten
Bis zu drei Tag-Vorschläge als tippbare Chips nach der Kategorienauswahl – kein Tippen erforderlich
LLM-gestützte Rangfolge mit Embedding-Fallback hält Vorschläge auf jedem Gerät sofort
Additives Interface – Vorschläge erscheinen neben dem Textfeld und ersetzen es nie
Vollständig offline – beide Engines laufen auf dem Gerät ohne Cloud-Abhängigkeit
Häufig gestellte Fragen
Wie werden Tags ausgewählt?
Was, wenn das LLM auf meinem Smartphone langsam ist?
Kann ich neue Tags aus dem Vorschlagsstreifen hinzufügen?
Funktioniert das offline?
Verwandte Funktionen
Bereit, Budgie auszuprobieren?
Auf die Warteliste setzen – als Erster den Offline-First-Ausgabentracker ausprobieren.