이 프로젝트는 면접 과정을 돕기 위해 설계된 AI 기반 API를 제공합니다. 거대 언어 모델(LLM)을 활용하여 면접 질문을 생성하고, 후보자 정보를 요약하며, 답변을 채점합니다. 이 시스템은 FastAPI로 구축되었으며, 복잡한 AI 워크플로우를 생성하고 관리하기 위해 Langchain과 Langgraph를 사용합니다.
- 의존성 설치:
pip install -r requirements.txt
- 환경 변수 설정:
루트 디렉토리에
.env파일을 생성하고 필요한 API 키 및 구성(예:OPENAI_API_KEY)을 추가합니다. - 애플리케이션 실행:
uvicorn main:app --reload
- API 문서 접근:
브라우저에서
http://localhost:8000/docs로 이동합니다.
- 백엔드: FastAPI, Uvicorn
- AI/ML: Sentence-Transformers, OpenAI
- LLM 프레임워크: Langchain, Langgraph
- 벡터 데이터베이스: Milvus (
langchain-milvus사용, HNSW 인덱싱) - Retriever:
- Sparse Retriever: rank_bm25
- Hybrid Retriever: Dense + Sparse
- 프롬프트 엔지니어링:
- Retrieval-Augmented Generation (RAG)
- Instruction Prompting
- Few-shot Prompting
- Role Prompting
- Context-aware Prompting
- Content Restriction Prompting
Note: 이 프로젝트에서 RAG는 프롬프트 엔지니어링의 단순한 기법이 아니라, 외부 정보(검색된 문서)를 프롬프트에 동적으로 결합하여 LLM의 답변 품질과 신뢰도를 높이는 핵심 아키텍처로 사용됩니다. 즉, RAG는 정교한 프롬프트 엔지니어링을 자동화하여 구현하는 시스템입니다.
C:/big-project-ai-api/
├───main.py # FastAPI 애플리케이션의 주 진입점
├───requirements.txt # 프로젝트 의존성 목록
├───Dockerfile # Docker 컨테이너 빌드를 위한 설정 파일
├───.gitignore # Git에서 추적하지 않을 파일 목록
├───README.md # 프로젝트 설명 문서
├───bm25_db/ # BM25 Retriever 모델 저장 디렉토리
├───dto/ # 데이터 전송 객체(DTO) 정의
├───etc/ # 유틸리티 함수 (그래프 시각화, 메시지 처리 등)
├───image/ # 워크플로우 다이어그램 이미지 저장
├───node/ # LangGraph의 각 노드(처리 단계) 정의
├───prompt/ # LLM에 사용될 프롬프트 템플릿
├───retriever/ # 문서 검색(Retrieval) 관련 로직
├───router/ # FastAPI의 API 엔드포인트(라우터) 정의
├───state/ # LangGraph의 상태(State) 객체 정의
└───workflow/ # LangGraph의 워크플로우(그래프) 정의
애플리케이션의 핵심 로직은 Langgraph를 사용하여 StateGraph로 구현된 세 가지 주요 워크플로우를 중심으로 구축됩니다.
이 워크플로우는 후보자의 이력서와 회사의 평가 기준을 바탕으로 면접 질문을 생성합니다. 고품질의 질문을 보장하기 위해 문서 검색, 관련성 확인, 사실 확인 단계를 포함합니다.
-
기술 중심 질문 생성 (
/question/tech)- 지원자의 기술 스택과 관련된 질문을 생성합니다.
- 다이어그램:
-
경험 중심 질문 생성 (
/question/experience)- 지원자의 프로젝트 및 업무 경험에 기반한 질문을 생성합니다.
- 다이어그램:
-
경력 중심 질문 생성 (
/question/work)- 지원자의 경력, 인턴, 대외활동을 기반으로 질문을 생성합니다.
- 다이어그램:
이 워크플로우는 주어진 질문에 대한 후보자의 답변을 채점합니다. 답변을 이력서 및 평가 기준과 비교하여 점수를 제공할 가능성이 높습니다.
다이어그램:
이 워크플로우는 후보자의 이력서나 다른 제공된 문서의 요약을 생성합니다.
다이어그램:
애플리케이션은 FastAPI 라우터를 사용하여 구성됩니다.
main.py: FastAPI 애플리케이션의 주 진입점입니다./question: 모든 질문 생성 엔드포인트를 처리합니다./score: 채점 엔드포인트를 처리합니다./summary: 요약 엔드포인트를 처리합니다./zilliz: Zilliz/Milvus 데이터베이스와의 상호작용을 관리합니다.
graph TD
A[사용자 요청] --> B{FastAPI 앱};
B --> C{라우터};
C --> D{워크플로우};
D --> E[노드 실행];
E --> F{조건부 엣지};
F --> G[종료];
E --> H{벡터 DB};
H --> E;
subgraph 라우터
C --> C1(/question);
C --> C2(/score);
C --> C3(/summary);
end
subgraph 워크플로우
D --> D1(질문 워크플로우);
D --> D2(채점 워크플로우);
D --> D3(요약 워크플로우);
end