프로젝트 목록
운영/유지보수 중회사
법률 AI 플랫폼
법령·판례 검색과 문서 자동화를 지원하는 RAG 기반 업무 시스템 개발 작업입니다.
- 기간
- 2026.02 ~ 2026.08
- 역할
- 풀스택 개발 (메인)
- 구분
- B2B/사내 프로젝트
- 스택
- Python 3.11, FastAPI, SQLAlchemy 2 (async), PostgreSQL
법률 AI 플랫폼
프로젝트 배경
검색, 문서 처리, 자동화 흐름을 하나의 서비스 경험으로 연결해 실무자가 반복 업무를 더 빠르게 수행하도록 지원하는 프로젝트입니다.
핵심 구현
- ▶검색·분석·문서 자동화 흐름 설계
- ▶운영자용 관리 도구와 데이터 파이프라인 구축
- ▶업무 정확도와 처리 속도 개선
성과
- ▶담당 역할: 풀스택 개발 (메인)
- ▶도메인 요구사항을 제품 기능과 운영 흐름으로 구조화해 구현을 진행했습니다.
- ▶공개 포트폴리오에는 고객사명을 제거한 범위에서 역할과 문제 해결 중심으로 정리했습니다.
관련 기술 글
- BLOGRAG 시리즈 1편 — RAG가 뭐고 왜 쓰는가, 기본 파이프라인 6단계RAG 데모는 30분이면 만들지만 운영용은 다릅니다. 실제 서비스에서 쓰는 6단계 파이프라인(질문 분석 → 다중 검색 → 관련성 검증 → 컨텍스트 빌딩 → 응답 생성 → 답변 검증)과 하이브리드 검색·RRF까지 1~3년차 개발자 시점에서 정리했어요.
- BLOGRAG 시리즈 2편 — 청크를 어떻게 자르고 임베딩할 것인가, 정확도 올리는 6가지 입력 가공RAG 정확도가 안 나올 때 모델 교체나 파인튜닝부터 떠올리지 마세요. GPU 없이 OpenAI 임베딩만으로도 파인튜닝 효과의 85~90%를 낼 수 있어요. 시맨틱 청킹·메타데이터 주입 임베딩·쿼리 확장·Qdrant 사전 필터·Parent-Child 청킹·HyDE 6가지 입력 가공 기법을 정리했어요.
- BLOGRAG 시리즈 3편 — 고정 파이프라인 vs Tool Calling, LLM에게 검색을 맡기는 패턴1편의 6단계 고정 파이프라인은 '안녕하세요'에도 LLM을 4번 호출해요. Tool Calling은 LLM에게 검색 도구를 쥐여주고 자율적으로 선택하게 해서 비용을 질문 복잡도에 비례시키는 패턴이에요. 두 방식의 비교, 도구 3종 설계, description 작성법, 안전장치와 함정을 정리했어요.
- BLOGRAG 시리즈 4편 — 운영에서 만나는 RAG, 임베딩 파이프라인 4경로와 비용 통제1~3편이 '검색을 어떻게 잘하느냐'였다면 4편은 운영의 시각이에요. 임베딩을 어떻게 채우고, 실패하면 어떻게 회복하고, 비용을 어떻게 통제하느냐. 실제 운영에서 만난 임베딩 파이프라인 4가지 경로, 리인덱싱 안전장치, 비용이 새는 자리 5곳까지 정리했어요.