통합청년 API 기반 정책 16,571건을 RAG로 검색해, 사용자의 자연어 상황 설명에서 조건을 추출하고 신청 가능한 청년정책 Top 5와 신청 준비 절차까지 이어주는 대화형 AI 에이전트. (Team Polaris)
팀장 겸 AI 모델 개발 — 개인 기여도 35%
'생성형AI와비즈니스' 수업 팀 프로젝트
청년정책은 소관 부처와 지자체에 분산돼 있고 자격 조건이 제각각입니다. 정책을 찾아도 "내가 신청할 수 있는지", "무슨 서류가 필요한지"는 다시 직접 확인해야 합니다.
단순 질의응답 챗봇이 아니라 정책 추천 업무 흐름 전체를 구현했습니다.
자연어 입력 → 조건 추출 → RAG 검색 → 정책 필터링 → 추천 생성 → 정책별 상담 → 적격성 검증 → 신청 준비 리포트
search_documents 16,571건에 FAISS + ko-sroberta-multitask 임베딩 검색, 실패 시 키워드 검색으로 fallbacksession_id)에서 처리금액·기간·자격·신청 URL 같은 사실은 DB와 규칙 엔진이 책임지고, LLM은 자연어 조건 추출과 문장 다듬기만 담당하도록 계층을 분리했습니다. 그 결과 LLM_PROVIDER=none 기본값에서는 LLM 없이 규칙 기반만으로 전체 기능이 동작하며, 필요 시 HuggingFace 오픈모델(Qwen2.5-7B-Instruct)이나 OpenAI로 공급자를 교체할 수 있습니다. 시연 중 API 장애가 나도 서비스가 멈추지 않습니다.
| 모듈 | 역할 |
|---|---|
condition_extractor.py |
자연어에서 추천 조건 추출 |
retriever.py |
FAISS 임베딩 검색 / 키워드 fallback |
generator.py |
추천 사유·체크리스트 생성 |
policy_chat_agent.py |
정책별 후속 상담 |
intent_router.py · converse_agent.py |
대화 의도 분류 및 흐름 오케스트레이션 |
benefit_estimator.py |
지원금·기간·한도 구조화 |
llm_client.py |
공급자 무관 LLM 어댑터 |
api_collector로 수집하고, HRD-Net 직업훈련·K-Startup 창업 공고·청년 금융상품·마이홈 임대공고·임대주택 단지까지 테이블로 구축