플러스프로젝트 배경
문제점
- 정보 접근성 비효율성: 대학 학사 및 행정 정보가 웹사이트에 분산되어 있어, 학생들이 원하는 정보를 찾는 데 시간이 오래 걸리고 접근성이 낮았음.
- 교내 교통 정보 부족: 셔틀버스 위치 정보가 실시간으로 제공되지 않아, 학생들이 버스를 기다리는 시간이 비효율적이며 이용 편의성이 낮음.
- 낮은 답변 신뢰도: 일반적인 챗봇은 공식 문서 기반의 정확한 답변 제공에 한계가 있어, 학사 정보에 대한 신뢰성 있는 응답을 기대하기 어려움.
프로젝트 목표
- AI 기반 학사/행정 정보 접근성 극대화: 카카오톡 기반 AI 챗봇 시스템을 구축하여 학생들이 일상적으로 사용하는 플랫폼을 통해 학사 및 행정 정보를 신속하고 신뢰도 높게 제공하는 것.
- 교내 교통 편의성 획기적 향상: GPS 기반 실시간 위치 추적 웹 애플리케이션을 개발하고, WebSocket을 활용하여 셔틀버스 위치 및 도착 예상 시간을 정확하게 실시간으로 제공하는 것.
- End-to-End 시스템 통합: AI 응답 서버(FastAPI, LangChain)와 실시간 위치 추적 웹(Next.js, WebSocket)을 통합하여 사용자 편의 중심의 종합 서비스를 구축하는 것.
주안점 (핵심 개발/운영 고려사항)
- LLM 기반 답변 신뢰도 확보 (RAG): 학교 공식 문서 및 정보를 pgVector에 임베딩하여 RAG(검색 증강 생성) 시스템을 구현하고 답변의 신뢰도를 극대화하는 데 집중.
- 동적 질의응답 흐름 구성 (ReAct): 복잡하고 다양한 사용자 질문에 유연하게 대응하기 위해 ReAct (Reasoning and Acting) 기반의 LLM 체인을 구성하고 프롬프트 튜닝을 통해 정확성을 향상.
- 위치 정확도 및 실시간성 확보: 노이즈가 포함된 GPS 데이터의 정확한 위치 전달을 위한 필터링/보정 알고리즘을 설계하고, WebSocket을 통한 초저지연 실시간 업데이트를 구현.
- 크로스 플랫폼 반응형 UI/UX: Next.js, TypeScript, TailwindCSS를 활용하여 모바일 환경에 최적화된 반응형 웹을 설계하고 사용 편의성을 극대화.
- 정보 접근성 비효율성: 대학 학사 및 행정 정보가 웹사이트에 분산되어 있어, 학생들이 원하는 정보를 찾는 데 시간이 오래 걸리고 접근성이 낮았음.
- 교내 교통 정보 부족: 셔틀버스 위치 정보가 실시간으로 제공되지 않아, 학생들이 버스를 기다리는 시간이 비효율적이며 이용 편의성이 낮음.
- 낮은 답변 신뢰도: 일반적인 챗봇은 공식 문서 기반의 정확한 답변 제공에 한계가 있어, 학사 정보에 대한 신뢰성 있는 응답을 기대하기 어려움.
프로젝트 목표
- AI 기반 학사/행정 정보 접근성 극대화: 카카오톡 기반 AI 챗봇 시스템을 구축하여 학생들이 일상적으로 사용하는 플랫폼을 통해 학사 및 행정 정보를 신속하고 신뢰도 높게 제공하는 것.
- 교내 교통 편의성 획기적 향상: GPS 기반 실시간 위치 추적 웹 애플리케이션을 개발하고, WebSocket을 활용하여 셔틀버스 위치 및 도착 예상 시간을 정확하게 실시간으로 제공하는 것.
- End-to-End 시스템 통합: AI 응답 서버(FastAPI, LangChain)와 실시간 위치 추적 웹(Next.js, WebSocket)을 통합하여 사용자 편의 중심의 종합 서비스를 구축하는 것.
주안점 (핵심 개발/운영 고려사항)
- LLM 기반 답변 신뢰도 확보 (RAG): 학교 공식 문서 및 정보를 pgVector에 임베딩하여 RAG(검색 증강 생성) 시스템을 구현하고 답변의 신뢰도를 극대화하는 데 집중.
- 동적 질의응답 흐름 구성 (ReAct): 복잡하고 다양한 사용자 질문에 유연하게 대응하기 위해 ReAct (Reasoning and Acting) 기반의 LLM 체인을 구성하고 프롬프트 튜닝을 통해 정확성을 향상.
- 위치 정확도 및 실시간성 확보: 노이즈가 포함된 GPS 데이터의 정확한 위치 전달을 위한 필터링/보정 알고리즘을 설계하고, WebSocket을 통한 초저지연 실시간 업데이트를 구현.
- 크로스 플랫폼 반응형 UI/UX: Next.js, TypeScript, TailwindCSS를 활용하여 모바일 환경에 최적화된 반응형 웹을 설계하고 사용 편의성을 극대화.
프로젝트 성과
RAG 기반 답변 신뢰도 71% 확보
학교 공식 문서를 벡터 DB에 임베딩하여 RAG 시스템을 구축, 단순 LLM 대비 학사/행정 정보에 대한 답변 신뢰도를 71%까지 끌어올림
실시간 위치 오차 3m 이내 보정
GPS 필터링 및 보정 알고리즘 설계를 통해 노이즈가 심한 교내 환경에서도 셔틀버스 위치 오차를 3m 이내로 최소화하고 정확한 ETA를 제공
End-to-End 통합 서비스 완성
AI 챗봇과 실시간 셔틀 웹 서비스를 모듈화된 아키텍처로 통합하여 사용자에게 학사 정보부터 교통 정보까지 끊김 없는 경험을 제공
핵심 기능
RAG 기반 고신뢰성 지식 검색
학교 공식 문서를 pgVector에 임베딩하고 LangChain으로 연결, 사용자 질의에 대한 의미 기반 검색을 통해 답변의 신뢰도를 극대화.
ReAct 기반 LLM 동적 응답 체인
ReAct 기법을 적용하여 복잡하거나 맥락이 필요한 사용자 질문에 대해 다단계 추론 및 동적인 응답 흐름을 구성하여 정확도를 향상.
WebSocket 기반 실시간 위치 보정
GPS 데이터에 필터링/보정 알고리즘을 적용해 위치 오차를 줄이고, WebSocket을 통해 셔틀버스 위치를 초저지연으로 지도에 즉각 반영.
진행 단계
기획
2023.10.
학사 정보 접근성 및 교통 불편 문제 정의, RAG-LLM 챗봇과 WebSocket 셔틀 추적 통합 목표 설정 및 모듈화된 시스템 아키텍처 설계
디자인
2023.10.
Figma를 활용하여 모바일 사용성에 최적화된 크로스 플랫폼 UI/UX 설계, TailwindCSS 기반의 반응형 공통 컴포넌트 디자인 시스템 구축
개발RAG 기반 고신뢰성 지식 검색
2023.11.
FastAPI 기반 AI 서버 및 RAG 시스템 구축, Next.js 기반 반응형 웹 및 WebSocket 실시간 위치 업데이트 로직 구현, GPS 보정 알고리즘 개발
테스트
2024.01.
RAG 답변 정확도 및 ReAct 체인 유효성 검증, GPS 위치 필터링 성능 측정 및 오차율 최소화, 통합 환경에서 실시간 데이터 전송 속도 및 안정성 테스트
런칭
2024.03.
카카오톡 채널 연동 완료 및 Next.js 기반 웹 애플리케이션 서비스 배포, 관리자 페이지를 통한 질문 로그 모니터링 및 지속적인 답변 개선 루프 가동
프로젝트 상세
카카오톡 기반 AI 챗봇 서비스와 실시간 셔틀버스 위치 추적 웹 애플리케이션을 통합 개발하여, 대학 학사 및 행정 정보에 대한 접근성을 높이고 교내 교통 편의성을 획기적으로 향상시킨 서비스
특징
- 통합 서비스 제공: AI 기반 학사 정보 접근성 향상과 실시간 교통 편의 제공 기능을 단일 프로젝트로 통합.
- LLM 기반 고신뢰성 답변: RAG(Retrieval-Augmented Generation) 시스템을 구축하여 학교 공식 정보를 기반으로 신뢰도 높은 AI 응답 제공.
- 실시간/반응형 위치 추적: GPS 보정 알고리즘 및 WebSocket을 활용하여 정확하고 즉각적인 셔틀버스 위치 정보를 모든 디바이스에 제공.
- 모듈화된 확장 가능 아키텍처: FastAPI, Next.js, LangChain 등 최신 기술 스택 기반으로 기능 확장 및 유지보수 용이성을 확보.
주요 기능
- 카카오톡 AI 챗봇 시스템
RAG 기반 지능형 응답 시스템: 학교 공식 문서를 pgVector에 임베딩하여 저장하고, 사용자 질의에 대한 유사도 기반 검색을 통해 신뢰도 높은 답변을 생성.
ReAct 기반 LLM 체인 구성: 복잡하고 다단계적인 사용자 질문에 효과적으로 대응하기 위한 ReAct(Reasoning and Acting) 기반의 동적 질의응답 흐름을 구성.
웹 크롤링 기반 정보 API: 학교 홈페이지에서 학사일정, 공지, 연락처 등 정보를 실시간으로 자동 검색 및 요약하여 제공하는 API를 설계.
운영 및 개선 루프 관리자: 질문 로그 모니터링 기능을 통해 사용자 질의 패턴을 분석하고, 답변 수정 인터페이스를 제공하여 지속적인 답변 개선 루프를 설계.
- 실시간 셔틀버스 웹
GPS 기반 실시간 위치 추적: 셔틀버스 GPS 데이터를 기반으로 실시간 위치 추적 알고리즘을 설계하고, 정류장 거리 매핑 및 도착 예상 시간(ETA) 계산 로직을 구현.
GPS 데이터 보정 알고리즘: 노이즈가 포함된 GPS 데이터의 정확도를 높이기 위해 속도/방위 기반 필터링 및 보정 알고리즘을 설계하여 위치 오차를 최소화.
WebSocket 기반 실시간 업데이트: WebSocket 프로토콜을 활용하여 서버와 프론트엔드 간의 실시간 위치 정보 업데이트를 처리하여 사용자 UI에 즉각 반영.
크로스 플랫폼 반응형 웹: Next.js, TypeScript, TailwindCSS를 기반으로 웹, Android, iOS 환경에 모두 대응하는 일관된 반응형 UI/UX를 설계 및 개발.
셔틀 관리자 시스템: 노선 관리, 정류장 설정, GPS 장치 상태 확인 등 서비스 운영에 필수적인 관리 기능을 제공하는 관리자 페이지를 개발.
특징
- 통합 서비스 제공: AI 기반 학사 정보 접근성 향상과 실시간 교통 편의 제공 기능을 단일 프로젝트로 통합.
- LLM 기반 고신뢰성 답변: RAG(Retrieval-Augmented Generation) 시스템을 구축하여 학교 공식 정보를 기반으로 신뢰도 높은 AI 응답 제공.
- 실시간/반응형 위치 추적: GPS 보정 알고리즘 및 WebSocket을 활용하여 정확하고 즉각적인 셔틀버스 위치 정보를 모든 디바이스에 제공.
- 모듈화된 확장 가능 아키텍처: FastAPI, Next.js, LangChain 등 최신 기술 스택 기반으로 기능 확장 및 유지보수 용이성을 확보.
주요 기능
- 카카오톡 AI 챗봇 시스템
RAG 기반 지능형 응답 시스템: 학교 공식 문서를 pgVector에 임베딩하여 저장하고, 사용자 질의에 대한 유사도 기반 검색을 통해 신뢰도 높은 답변을 생성.
ReAct 기반 LLM 체인 구성: 복잡하고 다단계적인 사용자 질문에 효과적으로 대응하기 위한 ReAct(Reasoning and Acting) 기반의 동적 질의응답 흐름을 구성.
웹 크롤링 기반 정보 API: 학교 홈페이지에서 학사일정, 공지, 연락처 등 정보를 실시간으로 자동 검색 및 요약하여 제공하는 API를 설계.
운영 및 개선 루프 관리자: 질문 로그 모니터링 기능을 통해 사용자 질의 패턴을 분석하고, 답변 수정 인터페이스를 제공하여 지속적인 답변 개선 루프를 설계.
- 실시간 셔틀버스 웹
GPS 기반 실시간 위치 추적: 셔틀버스 GPS 데이터를 기반으로 실시간 위치 추적 알고리즘을 설계하고, 정류장 거리 매핑 및 도착 예상 시간(ETA) 계산 로직을 구현.
GPS 데이터 보정 알고리즘: 노이즈가 포함된 GPS 데이터의 정확도를 높이기 위해 속도/방위 기반 필터링 및 보정 알고리즘을 설계하여 위치 오차를 최소화.
WebSocket 기반 실시간 업데이트: WebSocket 프로토콜을 활용하여 서버와 프론트엔드 간의 실시간 위치 정보 업데이트를 처리하여 사용자 UI에 즉각 반영.
크로스 플랫폼 반응형 웹: Next.js, TypeScript, TailwindCSS를 기반으로 웹, Android, iOS 환경에 모두 대응하는 일관된 반응형 UI/UX를 설계 및 개발.
셔틀 관리자 시스템: 노선 관리, 정류장 설정, GPS 장치 상태 확인 등 서비스 운영에 필수적인 관리 기능을 제공하는 관리자 페이지를 개발.
카카오톡 챗봇 홈
실시간 버스 정보 제공 웹페이지
학사공지 무한 스크롤 (릴스형) 웹사이트
날씨 질의 (챗봇 기능)
학과 정보 질의 (챗봇 기능)
학과 연락처 질의 (챗봇 기능)
교수 연락처 질의
