플러스프로젝트 배경
1) 예상 리스크 및 대응 계획 - 외부 AI API 교체를 대비한 어댑터 패턴 및 응답 정규화 계층 설계 - 수동 매칭과 AI 추천을 병행 운용하는 하이브리드 워크플로우 상태 관리 - 공급자 미디어 파일의 S3 직접 업로드 및 DB URL 동기화 트랜잭션 처리 - AI 피드백 데이터 품질 지표(수락률/수정률)를 기반으로 한 모델 개선 루프 설계 - pgvector 도입 대비 기존 관계형 스키마와의
프로젝트 성과
AI 어댑터 패턴 기반 외부 연동 설계
외부 AI 추천 API를 교체 가능한 어댑터 패턴으로 연동하여, 특정 벤더 종속 없이 AI 엔진을 교체 가능한 구조를 설계할 예정입니다.
관리자 AI 검증 워크플로우 구현
AI 추천 수락/수정/거부 워크플로우와 피드백 데이터 PostgreSQL 축적 구조를 구현하여 모델 개선 데이터 파이프라인을 설계할 예정입니다.
pgvector 대비 확장형 DB 스키마 설계
pgvector 확장을 대비한 벡터 임베딩 컬럼 구조와 모듈 속성 표준화 스키마를 설계하여 AI 도입 시 마이그레이션 비용을 최소화할 예정입니다.
AWS S3 공급자 미디어 업로드 파이프라인
Presigned URL 방식으로 공급자 퍼포먼스 영상/이미지를 직접 S3에 업로드하는 서버 부하 없는 미디어 처리 파이프라인을 구현할 예정입니다.
Redis 캐싱 대시보드 집계 최적화
플랫폼 현황 집계 쿼리에 Redis TTL 5분 캐싱을 적용하여 관리자 대시보드 응답 구조를 최적화하고 DB 부하를 분산하는 아키텍처를 설계할 예정입니다.
핵심 기능
어드민 대시보드 — 신청 현황 및 상태별 통계
플랫폼 전체 상담 신청 현황, 매칭 상태 분포, 기간별 신청 추이를 시각화한 관리자 메인 대시보드를 구현할 예정입니다
진행 단계
확장형 DB 스키마 및 AI API 명세 설계
2026.05
pgvector 대비 벡터 컬럼 확장 스키마 설계, 외부 AI API 어댑터 인터페이스 정의, PostgreSQL 인덱싱 전략 수립
프로젝트 상세
1) 포트폴리오 소개 수동 매칭 MVP를 기반으로 AI 추천 엔진 연동, 공급자 등록 관리, 플랫폼 분석 대시보드를 통합한 확장 아키텍처를 구현할 예정입니다. 관리자 AI 검증 워크플로우와 데이터 파이프라인 설계를 포함합니다. 2) 작업 범위 - 어드민 대시보드 — 신청 현황 및 상태별 통계: 플랫폼 전체 상담 신청 현황, 매칭 상태 분포, 기간별 신청 추이를 시각화한 관리자 메인 대시보드를 구현할
