2026 AI·SW중심대학 디지털 경진대회 : SW부문

안녕하세요! 복지 AI 에이전트 [모두봄] 팀입니다 :)
필기·사진·PDF 던져 넣으면 개념 단위 위키로 다시 정리하고, 개념끼리 의미 있는 관계로 연결까지 해준다는 게 진짜 탐나네요. 단순 요약이 아니라 지식 지도를 만든다는 접근이 좋습니다! 게다가 다 로컬에 저장된다는 것도 마음에 들어요, 저희도 온디바이스로 가서 그런지 더 눈에 들어왔네요 ㅎㅎ

기술적으로 궁금한 게 좀 있는데, 개념 간 관계 추출은 LLM한테 통째로 맡기신 건가요 아니면 따로 규칙이나 임베딩 유사도로 잡으신 건가요? 그리고 로컬 우선이면 모델도 로컬에서 돌리시는 건지 궁금하네요!
시간 되시면 프로필 눌러서 저희 팀 프로젝트에도 의견 한 번만 남겨주시면 정말 감사하겠습니다 :) PiecePool 팀 좋은 결과 있으시길 응원할게요! 화이팅!!

안녕하세요, 디딤팀입니다!
정리를 미루게 되는 라이프스타일, 정말 깊이 공감하며 보고 갑니다! 저는 후배들에게 전공 공부를 알려주는 멘토링 활동을 하고 있는데, 
자료를 그저 연도별로만 묶어 저장하다 보니 나중에 찾을 때마다 헷갈리고 시간도 오래 걸려 늘 번거로웠거든요. 
그런데 이렇게 지식 그래프 형식으로 한눈에 살펴볼 수 있다면 그 고민이 한결 덜어질 것 같습니다.
게다가 연도별로 어떤 내용을 진행했는지까지 정리해 볼 수 있다면 저처럼 자료가 쌓여가는 사람에게 정말 유용하게 쓰일 것 같아요. 
딱 필요했던 지점을 짚어주신 아이디어라 반가운 마음으로 배워갑니다!

저희는 라이프로그 기반 청소년 위기 조기감지 및 멀티 AI 에이전트 케어 시스템 [늘보듬]을 계획했습니다. 
시간 되실 때 저희 쪽에도 한번 놀러와 주시면 정말 반갑겠습니다!
열심히 노력하신 만큼 좋은 결과 나오셨으면 좋겠습니다. 좋은 하루 보내세요!

안녕하세요! 운전자를 위한 AI 에이전트 차빼요 팀입니다🚖!

저도 시험 기간마다 노션이랑 GPT를 같이 쓰고 있어서, 딱 저한테 필요한 에이전트라는 생각이 들었어요 ㅎㅎ 학기가 끝날 때마다 파일이랑 강의자료가 산더미로 쌓이는데, 나중에 복습하려고 열어보면 엄두가 안 나더라고요 ㅠㅠ

관계마다 연결 강도와 AI 확신도, 근거 문장을 남긴다는 점이 인상 깊었어요. AI가 왜 그렇게 연결했는지를 사용자가 직접 볼 수 있으니 훨씬 믿고 쓰게 될 것 같아요. 저희도 결과를 줄 때 위험도를 등급과 함께 어린이보호구역 같은 근거를 꼭 같이 보여주거든요. 그래서 '추출은 AI, 검증은 규칙'으로 역할을 나누신 것도 특히 반가웠습니다 ㅎㅎ

궁금한 게 두 가지 있는데요! 먼저 여러 API 중에 제미나이를 고르신 이유가 궁금해요. 저는 학습 보조로는 GPT를 주로 써서, 어떤 점 때문에 제미나이를 선택하셨는지 궁금하더라고요. 그리고 개념 병합은 어떤 기준으로 이어지는지도 궁금해요! 어디까지 하나로 합치고 어디부터는 따로 두시는지 궁금합니다 ㅎㅎ

저 같은 대학생한테 좋은 시스템인 거 같아요! 마무리까지 화이팅입니다!🚖

안녕하세요! 해충 출현 데이터 기반 AI 회피 경로 서비스 BUGWAY를 개발한 ARIR 팀입니다 😊

저희 팀도 평소 개발 문서를 Markdown으로 작성하고, Codex나 Claude와 같은 AI Agent를 활용해 기획과 개발을 진행하고 있습니다. 하지만 문서가 많아질수록 서로 다른 문헌의 연관성을 파악하거나, 여러 문서에 흩어진 정보를 하나의 개발 맥락으로 연결하는 데 한계가 있었습니다.

PiecePool의 Agent를 활용하면 문헌 간의 유기적인 관계와 핵심 개념을 추출해 기획 문서, 요구사항, 설계 문서 등을 더욱 체계적으로 구성할 수 있을 것 같아 인상 깊었습니다. 특히 논문과 개발 문서를 함께 관리해야 하는 대학원생이나 연구자·개발자에게도 활용도가 높을 것으로 보입니다.

추후 서비스가 공개된다면 개인 사용자를 위한 웹 서비스 형태로 제공할 계획인지, 혹은 Obsidian·GitHub·VS Code 등 기존 개발 도구와 연동되는 플러그인이나 API 형태도 고려하고 계신지 궁금합니다. 또한 개인뿐만 아니라 연구실이나 개발팀이 문헌과 프로젝트 지식을 공동으로 관리할 수 있는 협업 기능도 계획하고 계신지 듣고 싶습니다!

좋은 서비스 잘 봤습니다. PiecePool 팀도 마무리까지 파이팅입니다!

안녕하세요! 
AI 리터러시 케어 에이전트를 개발한 AllDayHappyDay 팀입니다!
PiecePool 팀의 발표 자료를 보며 깊이 공감했습니다. 저 역시 시험이 끝나면 지식이 쉽게 휘발되곤 했던 경험이 있어서 그런지.., PiecePool의 프로젝트가 매우 매력적으로 느껴지네요!
특히 여러 논문이나 자료를 개별적으로 이해하더라도, 이를 하나로 관통하는 거시적인 지식을 얻기는 참 어려웠는데, 의미 그래프를 통해 개념들을 한눈에 시각화하여 파악할 수 있다면 학습 효과가 훨씬 늘어날 것 같다는 생각이 들었습니다.
저희 팀 또한 PiecePool 팀과 결이 비슷한 고민과 소재로 프로젝트를 진행했다 보니 더욱 흥미롭게 보게 되네요!
혹시 시간 되실 때 저희 프로젝트에도 따뜻한 의견이나 피드백을 남겨주신다면 정말 큰 힘이 될 것 같습니다. 
열심히 준비하신 만큼 꼭 좋은 결과 있으시길 바랄게요. 
감사합니다! :D

안녕하세요! 외국인을 위한 다국어 쇼핑 AI 에이전트 'Hilol' 팀입니다.
단순 요약이 아니라 개념 간 관계를 근거(출처)와 함께 검증해서 그래프로 쌓아가는 구조, 그리고 AI가 사용자 원본을 덮어쓰지 못하게 설계하신 점이 인상 깊었습니다.
궁금한 점 하나만 — 한국에서 유학하는 외국인 학생들도 여러 언어로 된 강의자료·논문을 뒤섞어 정리해야 하는 경우가 많은데, 서로 다른 언어로 된 노트/문서 간에도 개념 연결과 병합이 되는지 궁금합니다.
저희 Hilol은 외국인의 한국 서비스 이용 장벽(언어, 인증, 정보 이해)을 줄이는 데 집중한 프로젝트라, 시간 되실 때 한번 봐주시면 좋을 것 같습니다. 화이팅

안녕하세요 패혈증 조기예측 멀티에이전트 Agent Crimson 팀입니다!

현재 모두가 AI를 많이 사용하는만큼 많은 사람들이 겪고 있는 문제에 대해서 고민을 많이 하시고 프로젝트를 진행하셨다고 느껴졌습니다! 학습에 이용하기 위해 논문 및 자료를 많이 찾아보는만큼 PiecePool 팀이 만든 프로젝트가 매력적이게 다가오네요.
자료 정리 및 퀵메모를 통해 graph view를 만들어내는 부분이 정말 도움이 될 것 같다고 느꼈고, AI agent가 유저에게 정리 및 요약을 도와주는 부분이 인상 깊었습니다.

좋은 프로젝트 공유해주셔서 감사합니다! 시간이 된다면 저희 프로젝트도 한 번 읽어주시면 감사하겠습니다!

안녕하세요! 다문화가정 학부모를 위한 알림장 번역·행동 지원 에이전트 GAON🐾👣팀입니다 :)
노트를 개념 단위로 쪼개서 위키로 만들고, 관계마다 연결 강도·확신도·근거 문장까지 남긴다는 부분이 특히 도움될 거 같네요! 저희도 문서 하나를 파싱해서 구조화하는 작업을 하다 보니 그냥 요약이 아니라 근거까지 챙기면서, 또 실제로 맞는지 검증하며 재구성하는 게 얼마나 어려운 일인지 알아서 더 눈에 들어오더라고요 ㅎㅎ
 PiecePool 팀은 손글씨 필기나 스캔 자료처럼 텍스트 품질이 들쭉날쭉한 입력이 들어올 때 개념 추출 정확도를 어떻게 확보하시는지 궁금합니다! 손글씨 자료 정확도를 올리는 것이 정말 어렵더라구요 예선 마무리까지 화이팅입니다🔥

안녕하세요:> IEUM(이음) 팀입니다.
최근 논문을 많이 찾고, 또 읽고 있는 상황인지라 최종산출물과 영상을 보면서 당장 사용하고 싶어지는 시스템인 것 같아요..!
혹시 논문에 들어가 있는 figure 같은 경우에도 잘 처리를 해주는지 궁금합니다! 시스템 아키텍쳐와 같은 것이 삽입되어 있는 경우 구조를 이해하고, LLM이 판단하여 이를 정리하여 제공(시안)을 줄 것 같은데, 이 또한 노드간 연결이 된다면 다른 유사한 시스템이나 실험 방법도 볼 수 있을 것 같아요! 

저희 '이음'도 구경해주시고 의견 남겨주시면 감사할 것 같습니다..! 서비스하게 된다면 꼭 사용해보고 싶어요!

안녕하세요, 방 구조와 생활 취향을 3D 배치로 연결하는 AI 인테리어 에이전트 RoomFit 팀입니다.

필기·사진·PDF를 개념 단위 위키로 정리하고, 개념 간 관계를 지식 그래프로 연결하는 접근이 정말 인상 깊었습니다. 단순 요약이 아니라 왜 연결되는지까지 남기는 구조라서, 학습한 내용을 다시 꺼내볼 때 훨씬 유용할 것 같다고 느꼈습니다.

특히 관계 추출을 LLM에만 맡기지 않고 시스템 검증으로 걸러내는 방식, 그리고 로컬 저장을 우선하신 점이 신뢰감 있게 다가왔습니다. 개념 병합도 보수적으로 가져가면서 헷갈리는 개념은 따로 두는 설계가 꽤 탄탄하다고 생각했습니다.

저희 RoomFit도 사용자의 맥락을 이해해 실제로 실행 가능한 결과를 만들어준다는 점을 중요하게 보고 있어서, 더 반갑게 느껴졌습니다. 좋은 프로젝트 잘 봤습니다. 저희 RoomFit에도 시간 되실 때 한 번 들러주시면 정말 감사하겠습니다. 좋은 결과 있으시길 진심으로 응원하겠습니다!