플러스프로젝트 배경
1) 문제점 (풀어야 할 이슈)
- 단순 키워드 검색의 한계: "지난주에 온 결제 관련 메일"과 같이 특정 시점과 내용이 결합된 업무 질문을 기존 검색("결제" 검색 후 날짜 일일이 확인)으로는 한 번에 해결하기 번거로움.
- SaaS형 AI 서비스의 보안 우려: 업무 메일 전체를 클라우드나 외부 AI 서비스에 연동/저장하는 것은 기업 보안 정책상 부담스러움.
2) 솔루션
- Local-First Hybrid Architecture:
모든 이메일 데이터(본문, 첨부파일)와 벡터 인덱스는 사용자 로컬 PC(SQLite/LanceDB)에만 저장하여 데이터 주권을 확보.
- 질문 답변 시에만 문맥(Context)을 암호화된 채널로 LLM(OpenAI)에 전송하여 답변을 생성하는 하이브리드 방식 채택.
- 정확한 기간 기반 문맥 검색: 사용자의 질문에서 "어제", "지난달", "오늘 오전" 등의 시간 정보를 정확히 파악하여, 해당 기간 내의 메일만 필터링 후 검색.
- 자동 동기화: 백그라운드에서 주기적으로 PC 내 DB를 최신 상태로 유지하여, 별도 데이터 업로드 과정 없이 즉시 검색 가능.
3) 기술적 이슈 및 해결방안
- 자연어 기간 필터링의 정확도 확보
이슈: LLM만으로는 "지난주"와 같은 상대적 시간 범위를 정확한 날짜(YYYY-MM-DD)로 변환하는 데에 실수가 잦음.
해결: Query Rewriting Agent와 정규표현식 파서를 결합. 자연어 질문에서 날짜/시간 키워드를 우선 추출하여 DB 쿼리로 변환하고, 이를 벡터 검색과 결합(Pre-filtering)하여 **기간 검색 정확도 100%**를 달성.
- 검색 결과의 최신성 보정 (RRF)
이슈: 일반적인 벡터(의미) 검색은 내용은 비슷하지만 1년 전의 오래된 메일을 상단에 띄우는 경우가 많아 업무용으로 부적합.
해결: Reciprocal Rank Fusion (RRF) 알고리즘 도입. '내용 연관성 점수'와 '메일 수신일(Time Decay) 점수'를 가중 평균하여, 사용자가 기대하는 "가장 최신의, 가장 관련된" 메일이 상단에 오도록 랭킹 알고리즘 최적화.
- 배포 및 설치 편의성 개선
이슈: 일반 사용자가 Python(AI 백엔드)과 Electron(UI) 환경을 각각 설치하는 것은 불가능에 가까움.
해결: PyInstaller와 Electron-Builder를 연동하여 백엔드 서버와 UI를 단일 실행 파일(.exe)로 통합 패키징. 설치 시 복잡한 설정 없이 원클릭으로 나만의 AI 메일 비서를 구축할 수 있도록 구현.
- 단순 키워드 검색의 한계: "지난주에 온 결제 관련 메일"과 같이 특정 시점과 내용이 결합된 업무 질문을 기존 검색("결제" 검색 후 날짜 일일이 확인)으로는 한 번에 해결하기 번거로움.
- SaaS형 AI 서비스의 보안 우려: 업무 메일 전체를 클라우드나 외부 AI 서비스에 연동/저장하는 것은 기업 보안 정책상 부담스러움.
2) 솔루션
- Local-First Hybrid Architecture:
모든 이메일 데이터(본문, 첨부파일)와 벡터 인덱스는 사용자 로컬 PC(SQLite/LanceDB)에만 저장하여 데이터 주권을 확보.
- 질문 답변 시에만 문맥(Context)을 암호화된 채널로 LLM(OpenAI)에 전송하여 답변을 생성하는 하이브리드 방식 채택.
- 정확한 기간 기반 문맥 검색: 사용자의 질문에서 "어제", "지난달", "오늘 오전" 등의 시간 정보를 정확히 파악하여, 해당 기간 내의 메일만 필터링 후 검색.
- 자동 동기화: 백그라운드에서 주기적으로 PC 내 DB를 최신 상태로 유지하여, 별도 데이터 업로드 과정 없이 즉시 검색 가능.
3) 기술적 이슈 및 해결방안
- 자연어 기간 필터링의 정확도 확보
이슈: LLM만으로는 "지난주"와 같은 상대적 시간 범위를 정확한 날짜(YYYY-MM-DD)로 변환하는 데에 실수가 잦음.
해결: Query Rewriting Agent와 정규표현식 파서를 결합. 자연어 질문에서 날짜/시간 키워드를 우선 추출하여 DB 쿼리로 변환하고, 이를 벡터 검색과 결합(Pre-filtering)하여 **기간 검색 정확도 100%**를 달성.
- 검색 결과의 최신성 보정 (RRF)
이슈: 일반적인 벡터(의미) 검색은 내용은 비슷하지만 1년 전의 오래된 메일을 상단에 띄우는 경우가 많아 업무용으로 부적합.
해결: Reciprocal Rank Fusion (RRF) 알고리즘 도입. '내용 연관성 점수'와 '메일 수신일(Time Decay) 점수'를 가중 평균하여, 사용자가 기대하는 "가장 최신의, 가장 관련된" 메일이 상단에 오도록 랭킹 알고리즘 최적화.
- 배포 및 설치 편의성 개선
이슈: 일반 사용자가 Python(AI 백엔드)과 Electron(UI) 환경을 각각 설치하는 것은 불가능에 가까움.
해결: PyInstaller와 Electron-Builder를 연동하여 백엔드 서버와 UI를 단일 실행 파일(.exe)로 통합 패키징. 설치 시 복잡한 설정 없이 원클릭으로 나만의 AI 메일 비서를 구축할 수 있도록 구현.
프로젝트 성과
기간 한정 질의 검색 정확도 99% 달성
불명확한 자연어 시간 표현("지난주", "어제")을 정밀 파싱하는 Hybrid Search 엔진을 개발하여, 기존 LLM 단독 검색 대비 환각 현상을 제거하고 기간 필터링 정확도를 획기적으로 개선함.
핵심 기능
자연어 기반 문맥 검색
"어제 온 결제 관련 메일 찾아줘"와 같이 복합적인 조건(날짜+내용)을 포함한 자연어 질문을 이해하고, 수백 통의 메일 중 사용자가 찾는 메일만 정확히 선별하여 보여줍니다.
스마트 메일 요약 (AI Summary)
클릭하기 번거로운 긴 이메일 스레드를 하나하나 읽을 필요 없이, AI가 본문을 분석하여 핵심 용건과 일정, 금액 등 중요 정보만을 한 줄로 요약해서 전달합니다.
로컬 보안 동기화 (On-Device)
Gmail 데이터를 클라우드나 외부 서버로 전송하지 않고 사용자의 PC(로컬 DB)에만 암호화하여 저장하며, 백그라운드에서 실시간으로 최신 메일을 동기화합니다.
진행 단계
서비스 기획 및 아키텍처 설계
2025.09.
On-Device형 AI 메일 비서 서비스 기획 및 요구사항 정의 (보안, 편의성)
Electron(UI) + Python(AI Engine) + LanceDB(Local Vector) 하이브리드 아키텍처 설계
Electron(UI) + Python(AI Engine) + LanceDB(Local Vector) 하이브리드 아키텍처 설계
백엔드 및 AI 파이프라인 개발
2025.09.
Gmail API 연동 모듈 및 대용량 이메일 비동기 동기화/임베딩 처리 워커 개발
하이브리드 검색 엔진 구현: 정규표현식(Regex) 기반 날짜 필터링 및 RRF 랭킹 알고리즘 적용
하이브리드 검색 엔진 구현: 정규표현식(Regex) 기반 날짜 필터링 및 RRF 랭킹 알고리즘 적용
프론트엔드 개발 및 UI 연동
2025.10.
React 기반의 직관적인 채팅형 인터페이스(Chat UI) 및 다크 모드 테마 구현
실시간 스트리밍(SSE) 답변 처리 및 검색 근거(Citation) 링크 연동
실시간 스트리밍(SSE) 답변 처리 및 검색 근거(Citation) 링크 연동
패키징 및 배포 최적화
2025.11.
PyInstaller를 활용한 Python 백엔드 단일 실행 파일 패키징 및 용량 최적화
Electron-Builder 기반의 원클릭 설치 파일(.exe) 생성 파이프라인 구축 및 최종 테스트 완료
Electron-Builder 기반의 원클릭 설치 파일(.exe) 생성 파이프라인 구축 및 최종 테스트 완료
프로젝트 상세
1) 포트폴리오 소개
- 수신되는 대량의 메일 중 사용자가 원하는 조건(날짜, 키워드, 맥락)에 맞는 메일만 정확히 선별하여 전달
- 메일관리 AI 비서가 사용자 질문에 맞춰 메일 내용을 분석하고 핵심 정보를 요약하여 제공
2) 작업 범위
- 서비스 기획: 메일 RAG 검색 및 질의응답 시나리오 정의
- 화면 설계 및 개발: 채팅형 인터페이스 기반의 데스크탑 애플리케이션(Electron) 개발
- 메일 연동: 구글 지메일(Gmail API) 읽기 전용 연동 및 로컬 데이터베이스 구축
3) 주요 서비스
- 메일 검색 및 분류 : "어제 온 결제 관련 메일"과 같은 자연어 질문을 이해하여 관련 메일만 정확히 추출 : 스팸이나 관련 없는 메일은 검색 결과에서 배제하고 사용자가 찾는 정보만 전달
- 메일 내용 요약 및 전달 : 검색된 이메일의 본문을 AI가 분석하여 핵심 내용(날짜, 금액, 요청사항 등)을 한 줄로 요약 : 단순 내용 전달 메일은 사용자가 보기 편하게 리스트 형태로 정리하여 전달 (Notify)
- 공통 : AI 비서가 메일 처리 시 필요한 모든 데이터는 사용자 PC에 로컬로 암호화 저장 (외부 유출 방지) : 사용자가 별도 확인 없이도 백그라운드에서 주기적으로 최신 메일 자동 동기화
4) 주안점
- 정확한 메일 검색 에이전트 개발 : LLM의 환각(날짜 인식 오류 등)을 방지하기 위해 정규표현식 파서와 벡터 검색을 결합한 하이브리드 검색 엔진 적용
- 개인화된 랭킹 시스템 : 단순 키워드 매칭이 아닌, 사용자의 시간적 맥락(최신성)과 의미적 유사도를 복합적으로 계산하는 RRF 랭킹 알고리즘 적용
- 완전한 설치형 앱 구현 : Python AI 엔진을 내장하여 인터넷 연결이나 복잡한 설정 없이도 즉시 사용 가능한 데스크탑 에이전트 형태로 고도화
- 수신되는 대량의 메일 중 사용자가 원하는 조건(날짜, 키워드, 맥락)에 맞는 메일만 정확히 선별하여 전달
- 메일관리 AI 비서가 사용자 질문에 맞춰 메일 내용을 분석하고 핵심 정보를 요약하여 제공
2) 작업 범위
- 서비스 기획: 메일 RAG 검색 및 질의응답 시나리오 정의
- 화면 설계 및 개발: 채팅형 인터페이스 기반의 데스크탑 애플리케이션(Electron) 개발
- 메일 연동: 구글 지메일(Gmail API) 읽기 전용 연동 및 로컬 데이터베이스 구축
3) 주요 서비스
- 메일 검색 및 분류 : "어제 온 결제 관련 메일"과 같은 자연어 질문을 이해하여 관련 메일만 정확히 추출 : 스팸이나 관련 없는 메일은 검색 결과에서 배제하고 사용자가 찾는 정보만 전달
- 메일 내용 요약 및 전달 : 검색된 이메일의 본문을 AI가 분석하여 핵심 내용(날짜, 금액, 요청사항 등)을 한 줄로 요약 : 단순 내용 전달 메일은 사용자가 보기 편하게 리스트 형태로 정리하여 전달 (Notify)
- 공통 : AI 비서가 메일 처리 시 필요한 모든 데이터는 사용자 PC에 로컬로 암호화 저장 (외부 유출 방지) : 사용자가 별도 확인 없이도 백그라운드에서 주기적으로 최신 메일 자동 동기화
4) 주안점
- 정확한 메일 검색 에이전트 개발 : LLM의 환각(날짜 인식 오류 등)을 방지하기 위해 정규표현식 파서와 벡터 검색을 결합한 하이브리드 검색 엔진 적용
- 개인화된 랭킹 시스템 : 단순 키워드 매칭이 아닌, 사용자의 시간적 맥락(최신성)과 의미적 유사도를 복합적으로 계산하는 RRF 랭킹 알고리즘 적용
- 완전한 설치형 앱 구현 : Python AI 엔진을 내장하여 인터넷 연결이나 복잡한 설정 없이도 즉시 사용 가능한 데스크탑 에이전트 형태로 고도화
