정지섭의 프로젝트
여러 프로젝트의 경험과 역량을 소개합니다
AI 챗봇 사용자 정신감정 분석 멘탈케어 플랫폼
사용자와의 일상 대화를 기반으로 감정 상태를 분석하고, 하루 감정 기록과 요약을 제공하는 AI 멘탈케어 플랫폼입니다.
역할
팀장
아키텍처
사용자 인터페이스 및 감정 캘린더 화면
AI 챗봇 응답, 요약, 감정 분석 처리
사용자 대화 기록 저장, 벡터 검색
사용자 정보 및 분석 결과 저장
RAG 및 LLM 처리 흐름 구성
서비스 배포 환경
주요 기능
담당 역할
프로젝트 상세
사용자가 AI 챗봇과 대화하면 대화 내용을 기반으로 감정 상태를 분석하고, 하루 단위의 감정 요약과 일기 형태의 기록을 생성하는 멘탈케어 플랫폼을 개발했습니다. 프론트엔드는 Next.js 기반으로 구현했으며, 사용자가 챗봇과 자연스럽게 대화할 수 있는 인터페이스와 감정 캘린더 화면을 구성했습니다. 사용자의 하루 감정은 날씨 아이콘 형태로 시각화하여 직관적으로 확인할 수 있도록 설계했습니다. 백엔드는 사용자 인증, 대화방, 메시지 저장, 감정 분석 결과 저장 기능을 분리하여 구성했습니다. AI 분석 서버는 Python 기반 FastAPI로 구현했으며, OpenAI API와 LangChain을 활용해 사용자 대화를 요약하고 감정 상태를 추론하도록 처리했습니다. 또한 스트리밍 응답 방식을 적용해 AI 답변이 실시간으로 출력되는 사용자 경험을 구현했습니다. MongoDB에 저장된 이전 대화 기록을 기반으로 RAG 구조를 적용하여, 사용자의 과거 대화 맥락을 반영할 수 있는 챗봇 흐름을 설계했습니다. 팀장으로서 전체 기능 기획, 서비스 구조 설계, API 연동 방식 결정, AI 서버 구현, 배포 자동화 구성을 담당했습니다.
프로젝트 갤러리
감정 캘린더 화면
AI가 분석한 사용자의 금일 또는 지난 감정 상태를 시각적으로 표현한 캘린더. 날씨 아이콘으로 감정을 직관적으로 확인할 수 있습니다.
Hugging Face에서 Seonghaa/korean-emotion-classifier-roberta모델을 사용하여 분노, 불안, 슬픔, 평온, 당황, 기쁨 감정 5가지를 구분 가능한 Text Classfication 모델을 사용했습니다. 사용자의 오늘 하루 모든 대화내용에서 어떤 감정이 몇%를 차지하는지 예측할 수 있는 모델입니다.
챗봇 대화 인터페이스
사용자와 AI가 실시간으로 대화할 수 있는 채팅 인터페이스입니다. 채팅 방식은 아래의 순서로 이루어집니다.
- 사용자의 채팅 내역 최신 10개를 가져옵니다.
- LangChain의 Tool 기능을 활용해 LLM이 이전 대화내역이 더 필요하다고 판단되면 MongoDB Atlas의 벡터 유사도 검색을하여 관련 채팅 내역을 가져갑니다. (RAG)
- 정신의학적인 지식이 필요하다고 판단되면 위와 같이 Tool기능을 활용해 유사도 검색을 수행해 관련 전문지식을 가져갑니다.(RAG)
- 위 결과를 모두 합쳐 payload를 만들어낸 후 최종 응답 LLM에게 제출합니다
- 최종 응답 LLM이 유저에게 Streaming 방식으로 응답합니다.
위 방식으로 불필요한 RAG검색을 줄이고, API비용을 최소화하였습니다.
감정 분석 결과
하루 대화를 기반으로 분석된 감정 통계와 요약. 감정의 변화 추이를 그래프로 시각화하여 자신의 감정 패턴을 파악할 수 있습니다.
일기 생성 기능
대화 내용을 기반으로 AI가 자동으로 생성한 일기. 사용자의 감정을 담아낸 감성적인 일기 형식으로 기록됩니다.
총 2개의 프로젝트