Track1: AI Agent 개발 <K intelligence 해커톤 2025>

Track1 | 채용 | KT | K intelligence | 믿:음 | LLM | AI Agent |

상금 : 4,000 만원
508명 마감

연습

대회안내 데이터 코드 공유 토크 리더보드

제출

말문(말하는 공문)

day1

공동작성자

2025.09.07 19:34 527 조회 language

이 코드는 PDF/HWP 문서를 업로드하여 RAG(Retrieval-Augmented Generation) 기반 챗봇을 생성하는 Streamlit 웹 애플리케이션입니다.
두 개의 주요 파일로 구성되어 있습니다.

전체 시스템 구조
RAGAgent 클래스 (`ai_agent.py`), 문서 기반 대화형 AI 에이전트의 핵심 기능을 담당합니다.

주요 기능
문서 처리 및 벡터화
- PDF는 `PyMuPDFLoader`, HWP는 `olefile`로 텍스트 추출
- `RecursiveCharacterTextSplitter`로 텍스트를 청크 단위로 분할
- Google Gemini 임베딩으로 벡터화 후 FAISS 벡터스토어 생성

RAG 검색 시스템
- 사용자 질문과 관련된 문서 청크를 검색하는 `search_documents` 도구
- 대화 기록을 먼저 확인하고, 필요시에만 문서 검색 수행

대화 관리
- 각 에이전트마다 독립적인 대화 기록 유지
- Friendli API를 통한 K-intelligence 모델 활용
- 도구 호출(tool calling) 지원으로 필요에 따라 문서 검색 실행

문서 요약 및 제목 생성
- 한 번의 API 호출로 문서 요약과 챗봇 제목을 동시 생성
- JSON 형식으로 응답을 받아 파싱

사용 흐름
1. 파일 업로드: 사용자가 PDF/HWP 파일 업로드
2. 챗봇 생성: RAGAgent 인스턴스 생성 및 문서 벡터화
3. 제목/요약 생성: AI가 문서 내용을 분석하여 적절한 챗봇 이름과 요약 생성
4. 대화 시작: 선택된 챗봇과 문서 기반 Q&A 수행
5. 대화 종료: 종료 키워드 입력 시 세션 정리 및 통계 제공

이 시스템은 정책 문서나 공문 등을 효율적으로 분석하고 질의응답할 수 있는 실용적인 RAG 솔루션을 제공합니다.

PDF

댓글 9개

로그인이 필요합니다

comment

0 / 1000

브린니

2025.09.10 14:01

삭제된 댓글입니다

여른날

2025.09.10 14:22

문제 상황 (현실)
• 어디서 신청하는지 링크 찾기도 어렵고,
• “여기 담당 아니에요”라는 답만 듣고 부서 떠돌다가,
• 정작 진짜 담당자 연락처는 잘 안 보이는 게 현실입니다.

서비스 특징

👉 저희 서비스는 이런 불편을 없애고,
문서만 올리면 자동 요약 + 바로 신청 가능한 URL + 담당자 연락처 안내까지 챗봇이 해결해줍니다.
또한, 단순히 안내에 그치지 않고, 민원·정책 이용자의 대화 내용을 분석하여 정책 담당자에게 피드백까지 전달합니다.

⸻

AI Agent 기능 및 구조

‘AI Agent 말문’ — 단순한 대화형 챗봇을 넘어 한국형 AI를 기반한 완결형 행정 에이전트
1. 문서 자동 구조화 및 대화형 챗봇 생성
• 공문·정책 문서를 자동으로 구조화하여 대화형 챗봇으로 생성
• 사용자 맞춤형 질의응답 제공
2. Adaptive Persona (맞춤형 응대 스타일)
• 연령, 디지털 친숙도, 언어 환경 등을 고려한 답변 방식 조정
• 메타데이터(로그인 이력, 민원 맥락 등)를 활용해 상황별 최적 응답
3. 민원 연계 및 대화 요약 전달
• 대화 종료 후, 대화 내용을 바탕으로 문제 해결 여부를 자동 판단
• 필요 시 관련 민원 시스템·담당자와 직접 연결
• 자동 요약문 생성 및 신청서 초안 작성 지원
4. 행정 빅데이터 피드백 (확장된 효과)
• 주민 질문·대화 로그를 분석하여 정책 담당자 전용 대시보드 제공
• “자주 발생하는 질문”, “반복되는 불편사항”을 통계화
• 정책 담당자에게 실시간 피드백 전달 → 정책 개선과 행정 효율성 제고
• 결과적으로, 사용자는 불필요한 ‘헛걸음 행정’을 줄이고, 담당자는 현장의 생생한 목소리를 반영할 수 있음