Spckit AI - PC 부품 추천 시스템

AI 기반 맞춤형 PC 부품 추천 및 견적 서비스

서비스 개요

Spckit AI는 Google Gemini 3 (Pro/Flash)와 RAG(Retrieval-Augmented Generation) 기술을 활용하여 사용자의 요구사항, 예산, 사용 목적에 따라 최적의 PC 부품 조합을 추천하는 지능형 시스템이다.

핵심 가치

항목	설명
맞춤형 추천	사용자의 예산과 목적에 맞는 정확한 부품 추천
실시간 검색	135,000+ 부품 데이터베이스에서 벡터 기반 의미 검색
AI 기반 분석	Gemini를 활용한 상세한 견적 분석 및 호환성 검증
빠른 응답	ChromaDB 벡터 저장소를 통한 밀리초 단위 검색

핵심 지표

항목	수치
총 부품 데이터	135,660개
벡터 문서	3,000개
지원 부품 카테고리	10개 (CPU, GPU, RAM, SSD 등)
평균 검색 시간	< 1초
AI 응답 생성 시간	3-6초
검색 정확도 (유사도)	50-62%

서비스 플로우

전체 서비스 흐름도

flowchart TB
    subgraph USER["사용자 인터페이스"]
        A[["사용자"]]
        B["랜딩 페이지<br/>(index.html)"]
        C["PC 빌더<br/>(builder.html)"]
    end

    subgraph FRONTEND["Frontend (Vite + JS)"]
        D["api.js<br/>API 통신 모듈"]
        E["builder.js<br/>UI 로직"]
    end

    subgraph BACKEND["Backend (FastAPI)"]
        F["API Router<br/>/query, /compare, /stats"]
        
        subgraph RAG["RAG 파이프라인"]
            G["Embedder<br/>텍스트 벡터화"]
            H["Retriever<br/>유사도 검색"]
            I["Generator<br/>AI 추천 생성"]
        end
        
        subgraph MODULES["AI 모듈 (개발 중)"]
            J["호환성 검사"]
            K["PC 사양 진단"]
            L["가격 예측"]
            M["GNN 추천"]
            N["멀티 에이전트"]
        end
    end

    subgraph DATA["데이터 레이어"]
        O[("ChromaDB<br/>벡터 DB")]
        P[("SQL 데이터<br/>135,660 레코드")]
    end

    subgraph EXTERNAL["외부 서비스"]
        Q["Google Gemini API<br/>3 Pro/Flash"]
        R["Gemini Embedding<br/>text-embedding-004"]
    end

    A --> B
    B -->|"초기 메시지 입력"| C
    C --> E
    E --> D
    D -->|"HTTP POST /query"| F
    
    F --> G
    G -->|"쿼리 임베딩"| R
    R --> G
    G --> H
    H -->|"벡터 검색"| O
    O --> H
    H --> I
    I -->|"추천 생성"| Q
    Q --> I
    
    P -->|"초기 로딩"| O
    
    F -.->|"향후 연동"| J
    F -.->|"향후 연동"| K
    F -.->|"향후 연동"| L
    
    I --> F
    F -->|"JSON 응답"| D
    D --> E
    E -->|"부품 카드 렌더링"| C
    C --> A

    style USER fill:#e1f5fe
    style FRONTEND fill:#fff3e0
    style BACKEND fill:#e8f5e9
    style DATA fill:#fce4ec
    style EXTERNAL fill:#f3e5f5
    style RAG fill:#c8e6c9
    style MODULES fill:#ffecb3

사용자 시나리오별 흐름

시나리오 1: 기본 PC 추천

sequenceDiagram
    participant U as 사용자
    participant F as Frontend
    participant B as Backend API
    participant R as RAG Pipeline
    participant G as Gemini API

    U->>F: "150만원으로 게이밍 PC 추천"
    F->>B: POST /query
    B->>R: pipeline.query()
    R->>R: 1. 쿼리 임베딩 생성
    R->>R: 2. ChromaDB 벡터 검색
    R->>R: 3. Top-5 부품 추출
    R->>G: 컨텍스트 + 프롬프트
    G-->>R: AI 추천 응답
    R-->>B: 구조화된 JSON
    B-->>F: 추천 결과
    F-->>U: 부품 카드 + 분석 표시

시나리오 2: 단계별 PC 조립 (개발 예정)

sequenceDiagram
    participant U as 사용자
    participant F as Frontend
    participant B as Backend
    participant C as 호환성 검사

    U->>F: 예산 입력 및 시작
    
    loop 8단계 부품 선택
        F->>B: POST /step/next
        B->>C: 이전 선택 기반 필터링
        C-->>B: 호환 부품 목록
        B-->>F: 후보 부품 3개
        F-->>U: 선택지 제시
        U->>F: 부품 선택
    end
    
    F->>B: POST /step/complete
    B->>C: 최종 호환성 검증
    C-->>B: 검증 결과
    B-->>F: 완성된 견적
    F-->>U: 최종 견적서

시스템 아키텍처

전체 아키텍처

┌─────────────────────────────────────────────────────────────────────────────┐
│                              사용자 (브라우저)                               │
└─────────────────────────────────────────────────────────────────────────────┘
                                     │
                                     ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                         프론트엔드 (Vite + JS)                               │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────────┐    │
│  │ index.html  │  │ builder.html│  │   api.js    │  │   builder.js    │    │
│  │ (랜딩)      │  │ (PC 빌더)   │  │ (API 통신)  │  │  (UI 로직)      │    │
│  └─────────────┘  └─────────────┘  └──────┬──────┘  └─────────────────┘    │
└────────────────────────────────────────────┼────────────────────────────────┘
                                             │ HTTP/JSON
                                             ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                          백엔드 API (FastAPI)                                │
│                                                                              │
│  ┌──────────────────────────────────────────────────────────────────────┐  │
│  │                         api/main.py (라우터)                          │  │
│  │  POST /query          - 기본 추천 [완성]                             │  │
│  │  POST /query-by-specs - 사양 기반 추천 [완성]                        │  │
│  │  POST /compare        - 부품 비교 [완성]                             │  │
│  │  GET  /stats          - 시스템 통계 [완성]                           │  │
│  │  GET  /health         - 헬스 체크 [완성]                             │  │
│  │  ────────────────────────────────────────────────────                │  │
│  │  POST /diagnose       - 내 사양 진단 [개발 예정]                     │  │
│  │  POST /predict-price  - 가격 예측 [개발 예정]                        │  │
│  │  POST /compatibility  - 호환성 검사 [개발 예정]                      │  │
│  └──────────────────────────────────────────────────────────────────────┘  │
│                                     │                                        │
│                                     ▼                                        │
│  ┌──────────────────────────────────────────────────────────────────────┐  │
│  │                        모듈 레이어                                    │  │
│  │  ┌────────────┐ ┌────────────┐ ┌────────────┐ ┌────────────────────┐ │  │
│  │  │    RAG     │ │ 멀티에이전트│ │  PC 진단   │ │    가격 예측       │ │  │
│  │  │  [완성]    │ │  [뼈대]    │ │  [뼈대]    │ │     [뼈대]         │ │  │
│  │  └────────────┘ └────────────┘ └────────────┘ └────────────────────┘ │  │
│  │  ┌────────────┐ ┌────────────┐                                       │  │
│  │  │ GNN 추천   │ │ 호환성검사 │                                       │  │
│  │  │  [뼈대]    │ │  [뼈대]    │                                       │  │
│  │  └────────────┘ └────────────┘                                       │  │
│  └──────────────────────────────────────────────────────────────────────┘  │
│                                     │                                        │
│                                     ▼                                        │
│  ┌──────────────────────────────────────────────────────────────────────┐  │
│  │                       데이터 레이어                                   │  │
│  │  ┌────────────────┐  ┌────────────────┐  ┌────────────────────────┐ │  │
│  │  │ ChromaDB       │  │  SQL 데이터     │  │  가격 이력 DB          │ │  │
│  │  │ (벡터 검색)    │  │  (부품 정보)   │  │  [구축 예정]           │ │  │
│  │  │ [완성]         │  │  [완성]        │  │                        │ │  │
│  │  └────────────────┘  └────────────────┘  └────────────────────────┘ │  │
│  └──────────────────────────────────────────────────────────────────────┘  │
└─────────────────────────────────────────────────────────────────────────────┘

RAG 파이프라인 상세

[사용자 쿼리: "150만원 게이밍 PC"]
                │
                ▼
┌───────────────────────────────────┐
│ 1. 임베딩 생성                    │
│    Gemini text-embedding-004      │
│    → 768차원 벡터                 │
└───────────────┬───────────────────┘
                ▼
┌───────────────────────────────────┐
│ 2. 벡터 검색                      │
│    ChromaDB에서 Top-K 검색        │
│    (K=5, 유사도 ≥ 50%)           │
└───────────────┬───────────────────┘
                ▼
┌───────────────────────────────────┐
│ 3. 컨텍스트 구성                  │
│    검색된 부품 정보 조합          │
│    메타데이터 포함                │
└───────────────┬───────────────────┘
                ▼
┌───────────────────────────────────┐
│ 4. AI 추천 생성                   │
│    Gemini 3 Flash Preview         │
│    구조화된 JSON 응답             │
└───────────────┬───────────────────┘
                ▼
[응답: {analysis, components, total_price}]

주요 기능

1. RAG 기반 PC 부품 추천 (완성)

자연어 쿼리를 통해 사용자의 요구사항에 맞는 PC 부품을 추천한다.

# 예시 쿼리
"150만원 예산으로 게이밍 PC 견적 짜줘"
"인텔 i7 프로세서 추천해줘"
"영상 편집용 고성능 워크스테이션"

응답 예시:

{
  "analysis": "게이밍 용도로 150만원 예산에서 최적의 구성을...",
  "components": [
    {
      "category": "cpu",
      "name": "Intel Core i5-14600K",
      "price": "380000",
      "features": ["14코어", "최대 5.3GHz", "게이밍 최적화"]
    }
  ],
  "total_price": "1,450,000",
  "additional_notes": "파워 서플라이 650W 이상 권장"
}

2. 사양 기반 검색 (완성)

예산, 목적, 선호 카테고리를 기반으로 맞춤형 부품 세트를 추천한다.

3. 부품 비교 분석 (완성)

여러 부품의 장단점을 비교 분석하여 최적의 선택을 도와준다.

4. 개발 예정 기능

기능	모듈	상태	설명
호환성 검사	`compatibility`	뼈대	CPU-메인보드 소켓, 메모리 타입 등
PC 사양 진단	`pc_diagnosis`	뼈대	현재 PC 성능 분석, 업그레이드 추천
가격 예측	`price_prediction`	뼈대	시계열 분석 기반 가격 추세 예측
GNN 추천	`recommendation`	뼈대	그래프 신경망 기반 개인화 추천
멀티 에이전트	`multi_agent`	뼈대	CREWai 기반 복합 추천 시스템

기술 스택

Frontend

항목	기술
Framework	Vanilla JavaScript + Vite 6.2.0
Styling	Custom CSS
API Client	Fetch API

Backend

항목	기술
Language	Python 3.10+
API Framework	FastAPI 0.110.0+
AI/ML	Google Gemini 3 (Pro/Flash Preview)
Embedding	Gemini text-embedding-004
Vector DB	ChromaDB 0.5.0+
Package Manager	uv

데이터

항목	내용
Vector Store	ChromaDB (로컬 영구 저장)
Source Data	MySQL Dump (135,660 레코드)
지원 카테고리	CPU, GPU, RAM, SSD, HDD, 메인보드, 파워, 케이스, 쿨러, 모니터

프로젝트 구조

SpckitAI/
├── frontend/                  # 프론트엔드 애플리케이션
│   ├── index.html            # 랜딩 페이지
│   ├── builder.html          # PC 빌더 (4분할 레이아웃)
│   ├── landing.css           # 랜딩 스타일
│   ├── builder.css           # 빌더 스타일
│   ├── js/
│   │   ├── api.js            # 백엔드 API 통신
│   │   ├── builder.js        # 빌더 UI 로직
│   │   ├── landing.js        # 랜딩 페이지 로직
│   │   └── prompts.js        # 프롬프트 관리
│   └── images/               # 이미지 에셋
│
├── backend/                   # 백엔드 시스템
│   ├── api/                  # FastAPI REST API
│   │   └── main.py           # API 엔드포인트 라우터
│   │
│   ├── rag/                  # RAG 핵심 모듈 [완성]
│   │   ├── config.py         # 설정 관리
│   │   ├── embedder.py       # Gemini 임베딩 생성
│   │   ├── vector_store.py   # ChromaDB 관리
│   │   ├── retriever.py      # 문서 검색
│   │   ├── generator.py      # AI 응답 생성
│   │   ├── data_parser.py    # SQL 파싱
│   │   ├── pipeline.py       # RAG 파이프라인
│   │   └── step_by_step.py   # 단계별 선택 [뼈대]
│   │
│   ├── modules/              # AI 모듈 [개발 중]
│   │   ├── multi_agent/      # CREWai 멀티 에이전트
│   │   ├── pc_diagnosis/     # PC 사양 진단
│   │   ├── price_prediction/ # 가격 예측
│   │   ├── recommendation/   # GNN 추천 시스템
│   │   ├── compatibility/    # 호환성 검사 엔진
│   │   └── SERVICE_ARCHITECTURE.md
│   │
│   ├── tests/                # 테스트 파일
│   ├── scripts/              # 유틸리티 스크립트
│   │   ├── init_database.py  # 벡터 DB 초기화
│   │   └── test_rag.py       # RAG 테스트
│   │
│   ├── data/                 # 데이터 파일
│   │   └── pc_data_dump.sql  # PC 부품 DB (11MB)
│   │
│   ├── chroma_db/            # ChromaDB 저장소 (자동 생성)
│   ├── pyproject.toml        # Python 프로젝트 설정
│   ├── requirements.txt      # pip 의존성
│   ├── ONBOARDING.md         # 온보딩 가이드
│   └── README.md             # 백엔드 가이드
│
├── docs/                      # 문서
│   ├── INDEX.md              # 문서 목차
│   ├── QUICK_START.md        # 빠른 시작 가이드
│   ├── RAG_GUIDE.md          # RAG 시스템 가이드
│   ├── DEPLOYMENT_GUIDE.md   # 배포 가이드
│   ├── TROUBLESHOOTING.md    # 문제 해결
│   └── CHANGELOG.md          # 변경 이력
│
├── Dockerfile                 # Docker 설정
├── .env.example              # 환경 변수 예시
├── package.json              # Node.js 의존성
├── vite.config.ts            # Vite 설정
├── run_dev.bat               # Windows 개발 서버 실행
├── run_dev.sh                # Linux/Mac 개발 서버 실행
├── setup_dev.bat             # Windows 개발 환경 설정
└── setup_dev.sh              # Linux/Mac 개발 환경 설정

시작하기

빠른 시작 (자동 설정)

# 1. 저장소 클론
git clone <repository-url>
cd SpckitAI

# 2. 자동 설정 실행
# Windows
setup_dev.bat

# Linux/Mac
chmod +x setup_dev.sh
./setup_dev.sh

자동 설정 스크립트가 수행하는 작업:

uv 설치 확인 및 설치
가상 환경 생성
의존성 설치
.env 파일 생성 (API 키 입력)
벡터 DB 초기화 (선택)

개발 서버 실행

# 프론트엔드 + 백엔드 통합 실행
# Windows
run_dev.bat

# Linux/Mac
./run_dev.sh

서버가 시작되면:

수동 설정

1. Backend 설정

cd backend

# 가상 환경 생성
uv venv

# 활성화 (Windows)
.venv\Scripts\activate

# 활성화 (Linux/Mac)
source .venv/bin/activate

# 의존성 설치
uv pip install -e .

2. 환경 변수 설정

# .env 파일 생성
cp .env.example .env

# API 키 설정 (편집기로 열어서 수정)
# GEMINI_API_KEY=your_actual_api_key

API 키 발급: https://aistudio.google.com/

3. 벡터 DB 초기화

# 처음 실행 시 (약 10-15분 소요)
python backend/scripts/init_database.py

# 강제 재초기화
python backend/scripts/init_database.py --force

4. 서버 실행

# Backend API
cd backend
uvicorn api.main:app --reload --port 8000

# Frontend (새 터미널)
npm install
npm run dev

Docker 배포

빠른 Docker 실행

# 1. 이미지 빌드
docker build -t spckit-ai .

# 2. 컨테이너 실행
docker run -d \
  -p 8000:8000 \
  -e GEMINI_API_KEY=your_api_key \
  --name spckit-ai \
  spckit-ai

Docker Compose (권장)

# docker-compose.yml
version: '3.8'

services:
  spckit-ai:
    build: .
    ports:
      - "8000:8000"
    environment:
      - GEMINI_API_KEY=${GEMINI_API_KEY}
      - ENVIRONMENT=production
      - AUTO_INIT_DB=true
    volumes:
      - chroma_data:/app/backend/chroma_db
    restart: unless-stopped

volumes:
  chroma_data:

실행:

# .env 파일에 GEMINI_API_KEY 설정 후
docker-compose up -d

Dockerfile 구조

# 1. Frontend 빌드 단계
FROM node:20-alpine AS frontend-builder
# 프론트엔드 빌드

# 2. Runtime 단계
FROM python:3.11-slim
# 백엔드 + 빌드된 프론트엔드 서빙

프로덕션 배포 옵션

플랫폼	용도	장점
Vercel	Frontend	무료, 자동 CDN, GitHub 연동
GCP Cloud Run	Backend	서버리스, 자동 스케일링
Docker + VM	통합	완전한 제어, 비용 효율

자세한 배포 가이드: docs/DEPLOYMENT_GUIDE.md

API 문서

엔드포인트 요약

Method	Endpoint	설명	상태
`GET`	`/`	서비스 정보	완성
`GET`	`/health`	헬스 체크	완성
`GET`	`/stats`	DB 통계	완성
`POST`	`/query`	기본 추천	완성
`POST`	`/query-by-specs`	사양 기반 추천	완성
`POST`	`/compare`	부품 비교	완성

요청/응답 예시

POST /query

curl -X POST "http://localhost:8000/query" \
  -H "Content-Type: application/json" \
  -d '{
    "query": "게임용 CPU 추천",
    "top_k": 5
  }'

응답:

{
  "query": "게임용 CPU 추천",
  "recommendation": {
    "analysis": "게임용 CPU로는 높은 싱글코어 성능이 중요합니다...",
    "components": [
      {
        "category": "cpu",
        "name": "Intel Core i5-14600K",
        "price": "380000",
        "features": ["14코어", "5.3GHz 부스트"]
      }
    ],
    "total_price": "380000"
  },
  "retrieved_count": 5
}

POST /query-by-specs

curl -X POST "http://localhost:8000/query-by-specs" \
  -H "Content-Type: application/json" \
  -d '{
    "budget": 150,
    "purpose": "게임",
    "categories": ["cpu", "gpu", "memory"],
    "top_k": 3
  }'

전체 API 문서: http://localhost:8000/docs

모듈 상세

RAG 모듈 (`backend/rag/`) - 완성

파일	역할
`embedder.py`	Gemini Embedding API를 사용한 텍스트 벡터화
`vector_store.py`	ChromaDB 관리 및 벡터 저장/검색
`retriever.py`	의미 기반 부품 검색, Top-K 랭킹
`generator.py`	Gemini 3 기반 추천 응답 생성
`data_parser.py`	MySQL 덤프 파일 파싱
`pipeline.py`	전체 RAG 워크플로우 통합

AI 모듈 (`backend/modules/`) - 개발 중

모듈	상태	목표
`compatibility/`	뼈대	부품 간 호환성 검증 (소켓, 폼팩터, 전력)
`pc_diagnosis/`	뼈대	현재 PC 성능 진단 및 업그레이드 추천
`price_prediction/`	뼈대	Prophet/TFT 기반 가격 예측
`recommendation/`	뼈대	GNN 기반 개인화 추천
`multi_agent/`	뼈대	CREWai 멀티 에이전트 오케스트레이션

자세한 모듈 개발 가이드: backend/modules/README.md

개발 현황

완료된 기능

RAG 시스템 구현 (파이프라인, 임베딩, 검색, 생성)
ChromaDB 벡터 DB 구축 (3,000 문서)
FastAPI REST API (query, compare, stats)
Frontend UI (랜딩, PC 빌더)
Docker 배포 구성
자동 개발 환경 설정 스크립트

개발 중

계획 중

사용자 인증 시스템
견적 저장/공유
실시간 가격 연동
모바일 앱

문서 가이드

문서	내용
docs/QUICK_START.md	빠른 시작 가이드
docs/RAG_GUIDE.md	RAG 시스템 상세 가이드
docs/DEPLOYMENT_GUIDE.md	프로덕션 배포 가이드
docs/TROUBLESHOOTING.md	문제 해결
docs/CHANGELOG.md	변경 이력
backend/README.md	백엔드 상세 가이드
backend/modules/README.md	AI 모듈 개발 가이드
backend/modules/SERVICE_ARCHITECTURE.md	서비스 아키텍처 문서

기여하기

Fork the Project
Create your Feature Branch (git checkout -b feature/모듈명/기능/날짜)
Commit your Changes (git commit -m 'Add: 기능 설명')
Push to the Branch (git push origin feature/모듈명/기능/날짜)
Open a Pull Request

브랜치 명명 규칙:

feature/ - 새 기능 추가
fix/ - 버그 수정
docs/ - 문서 작업

라이선스

이 프로젝트는 MIT 라이선스 하에 배포된다.

감사의 말

Google Generative AI (Gemini 3 Pro/Flash)
ChromaDB Team
FastAPI Team
PC 부품 데이터 제공자

Made with Python, FastAPI, and Google Gemini 3

Name		Name	Last commit message	Last commit date
Latest commit History 71 Commits
.Rules		.Rules
.cursor		.cursor
assets		assets
backend		backend
docs		docs
frontend		frontend
research/snippets		research/snippets
scripts		scripts
.dockerignore		.dockerignore
.env.example		.env.example
.gcloudignore		.gcloudignore
.gitattributes		.gitattributes
.gitignore		.gitignore
Dockerfile		Dockerfile
README.md		README.md
byte_scan.py		byte_scan.py
check_git.bat		check_git.bat
check_models.py		check_models.py
cloudbuild.yaml		cloudbuild.yaml
commit_msg.txt		commit_msg.txt
debug_node.bat		debug_node.bat
debug_quick.py		debug_quick.py
debug_read.py		debug_read.py
debug_schema.py		debug_schema.py
docker-compose.yml		docker-compose.yml
extract_schemas.py		extract_schemas.py
extract_tables.py		extract_tables.py
extract_tables_robust.py		extract_tables_robust.py
extract_tables_to_file.py		extract_tables_to_file.py
extract_tables_v2.py		extract_tables_v2.py
find_schemas.py		find_schemas.py
find_table_lines.py		find_table_lines.py
find_tables.py		find_tables.py
find_tables_stream.py		find_tables_stream.py
gcp.md		gcp.md
locate_tables.py		locate_tables.py
locate_tables_file.py		locate_tables_file.py
locate_tables_v3.py		locate_tables_v3.py
map_sql_chunked.py		map_sql_chunked.py
map_sql_file.py		map_sql_file.py
map_sql_v2.py		map_sql_v2.py
metadata.json		metadata.json
package-lock.json		package-lock.json
package.json		package.json
read_schema.py		read_schema.py
requirements.txt		requirements.txt
run_debug_path.bat		run_debug_path.bat
run_dev.bat		run_dev.bat
run_dev.sh		run_dev.sh
run_test.bat		run_test.bat
run_test.sh		run_test.sh
run_verification.bat		run_verification.bat
scan.js		scan.js
scan_dump.py		scan_dump.py
scan_structure.py		scan_structure.py
setup_dev.bat		setup_dev.bat
setup_dev.sh		setup_dev.sh
test_danawa_search.py		test_danawa_search.py
test_write.txt		test_write.txt
tsconfig.json		tsconfig.json
vercel.json		vercel.json
verification_result.txt		verification_result.txt
verify_python.py		verify_python.py
version.txt		version.txt
vite.config.ts		vite.config.ts

Folders and files

Latest commit

History

Repository files navigation

Spckit AI - PC 부품 추천 시스템

목차

서비스 개요

핵심 가치

핵심 지표

서비스 플로우

전체 서비스 흐름도

사용자 시나리오별 흐름

시나리오 1: 기본 PC 추천

시나리오 2: 단계별 PC 조립 (개발 예정)

시스템 아키텍처

전체 아키텍처

RAG 파이프라인 상세

주요 기능

1. RAG 기반 PC 부품 추천 (완성)

2. 사양 기반 검색 (완성)

3. 부품 비교 분석 (완성)

4. 개발 예정 기능

기술 스택

Frontend

Backend

데이터

프로젝트 구조

시작하기

빠른 시작 (자동 설정)

개발 서버 실행

수동 설정

1. Backend 설정

2. 환경 변수 설정

3. 벡터 DB 초기화

4. 서버 실행

Docker 배포

빠른 Docker 실행

Docker Compose (권장)

Dockerfile 구조

프로덕션 배포 옵션

API 문서

엔드포인트 요약

요청/응답 예시

POST /query

POST /query-by-specs

모듈 상세

RAG 모듈 (backend/rag/) - 완성

AI 모듈 (backend/modules/) - 개발 중

개발 현황

완료된 기능

개발 중

계획 중

문서 가이드

기여하기

라이선스

감사의 말

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

RAG 모듈 (`backend/rag/`) - 완성

AI 모듈 (`backend/modules/`) - 개발 중

Packages